Deep Breath：一种应对在线错误信息的机器学习浏览器扩展

过去十年中，媒体格局发生了根本性转变。随着更多公众通过在线来源了解时事，各媒体为争夺注意力而竞争加剧。这种竞争促使一些在线媒体发布耸人听闻和制造恐慌的内容以吸引读者。此类做法可能通过歪曲真相并误导读者对事件本质的认知而威胁民主。本文提出一种新颖系统，用于检测、处理并警告用户有关在线的误导性内容，以抵御错误信息带来的威胁。通过在包含32,000条clickbait新闻标题的现有数据集上训练机器学习模型，该模型预测标题的耸动程度，随后与网页浏览器扩展交互，基于现有设计原则构建独特的内容警告通知并纳入模型预测。本研究对机器学习与人本安全作出了新颖贡献，并为未来研究提供了有前景的发现。通过在用户可能浏览错误信息时发出警告，可防止自发性反应，帮助用户深呼吸并以清醒的头脑面对在线媒体。