审视CoVCues数据集：通过一项新颖的用户评估研究支持COVID信息疫情研究
摘要
COVID-19疫情引发了在线健康错误信息的显著增加，严重损害了公众对在线医疗信息的信心和信任。现有文献表明，已经创建了不同的数据集来帮助检测与这场COVID信息疫情相关的虚假信息。然而，这些数据集大多包含单模态数据，主要包括文本线索，而非视觉线索，如图像、信息图和其他图形数据组件。先前的研究指出，支持COVID错误信息识别的多模态数据集数量很少，并且它们缺乏一个组织化、处理过且分析过的视觉线索库。新颖的CoVCues数据集代表了多样化的图像伪影集合，填补了这一空白，并倡导使用视觉线索来检测在线健康错误信息。作为验证CoVCues数据集内容和效用的一部分，我们进行了一项初步的用户评估研究，通过一组问卷对不同参与者进行调查，以确定这些数据集图像如何有效地影响用户感知的信息可靠性。这些调查回复为不同利益相关者群体如何在在线健康信息和传播背景下解读视觉线索提供了初步见解。这项新颖用户评估研究的发现为完善我们的CoVCues数据集提供了宝贵的反馈，并支持了我们的主张，即视觉线索在对抗COVID信息疫情方面未被充分利用但很有用。据我们所知，本文所述的这项用户评估研究是同类研究中的首例，涉及COVID视觉线索，展示了我们的CoVCues数据集在辅助未来与COVID信息疫情相关的研究工作中可能发挥的重要作用。
引用
@article{arxiv.2602.00055,
title = {Examining The CoVCues Dataset: Supporting COVID Infodemic Research Through A Novel User Assessment Study},
author = {Shreetika Poudel and Ankur Chatterjee},
journal= {arXiv preprint arXiv:2602.00055},
year = {2026}
}
备注
10 pages, To Be Published In Proceedings Of The 1st IEEE Workshop on Healthcare and Medical Device Security, Privacy, Resilience, and Trust (IEEE HMD-SPiRiT), Accepted & Presented At The 7th IEEE International Conference on Trust, Privacy & Security in Intelligent Systems, and Applications (IEEE TPS 2025) on Nov. 11, 2025 in Pittsburgh, PA, USA