理解科学发现报道中的细粒度失真
计算与语言
2024-02-21 v1
摘要
扭曲的科学传播会危害个人和社会，因为它可能导致不健康的行为改变并降低对科学机构的信任。鉴于近年来科学传播量迅速增加，细粒度地理解科学出版物中的发现如何向公众报道，以及自动检测原始工作中失真现象的方法，至关重要。先前的工作侧重于失真的个别方面或使用未配对数据。在本工作中，我们为 addressing 这一问题做出了三项基础性贡献：(1) 对 1,600 个来自学术论文的科学发现实例进行标注，并将其与新闻报道和推特中报道的相应发现进行配对，针对四个特征：因果性、确定性、普遍性和耸动性；(2) 建立自动检测这些特征的基线；(3) 分析在人工标注数据和大规模未标注数据中这些特征变化的普遍性。我们的结果表明，科学发现在被报道时经常经历细微的失真。推特比科学新闻报道更频繁地扭曲发现。自动检测细粒度失真是一项具有挑战性的任务。在我们的实验中，经过微调的任务特定模型始终优于少样本大语言模型 (LLM) 提示。
引用
@article{arxiv.2402.12431,
title = {Understanding Fine-grained Distortions in Reports of Scientific Findings},
author = {Amelie Wührl and Dustin Wright and Roman Klinger and Isabelle Augenstein},
journal= {arXiv preprint arXiv:2402.12431},
year = {2024}
}