向个体传达机器学习虚假信息检测结果时的警示标识
人机交互
2019-11-28 v1
摘要
随着线上虚假信息的泛滥，研究者致力于开发各类机器学习算法以检测假新闻。然而，用户对机器学习结果的主观感知及相关行为却被广泛忽视。为此，本文提出通过研究如何将机器学习的检测结果传递给用户，并辅助其处理虚假信息的决策，来弥补这一缺口。我们开展了一项在线实验，以评估所提出的机器学习警示标识相对于对照组的效果。我们考察了参与者对新闻的检测与分享行为。数据显示，警示标识对参与者针对假新闻的信任度影响并不显著。但我们发现，机器学习警示标识的出现降低了人们对新闻真实性的不确定感。我们还发现，社交媒体经验会影响用户对假新闻的信任度，而年龄与社交媒体经验会影响用户的分享决策。因此，结果表明存在诸多值得研究的因素影响着人们对新闻的信任。此外，在传达机器学习检测结果时的警示标识不同于普通警示，需要更细致的研究与设计。这些发现对机器学习警示的设计具有重要启示。
引用
@article{arxiv.1911.11920,
title = {Warning Signs in Communicating the Machine Learning Detection Results of Misinformation with Individuals},
author = {Limeng Cui},
journal= {arXiv preprint arXiv:1911.11920},
year = {2019}
}