The Intended Uses of Automated Fact-Checking Artefacts: Why, How and Who

解决问题：该论文旨在探讨自动化事实检查工具的预期用途，即为什么、如何以及谁会使用它们，以解决当前流行的虚假信息问题。这不是一个新问题，但是该论文提供了一种新的思考方式。

关键思路：论文通过分析100篇高引用论文，并注释与预期用途相关的认知元素，即手段、目的和利益相关者，发现许多论文忽略了某些方面，许多论文提出了不一致的手段和目的，并且建议的策略的可行性很少有实证支持。作者认为这种模糊性会妨碍技术实现其目标，因为它鼓励夸大其词，限制批评并防止利益相关者的反馈。因此，作者提供了几个关于思考和撰写事实检查工具使用的建议。

其他亮点：该论文的实验设计是分析100篇高引用论文，作者提供了有关自动化事实检查工具的预期用途的深入见解。该论文没有使用数据集或开源代码。这项研究表明，当前的自动化事实检查研究仍需要更多的思考和调查。

关于作者：Michael Schlichtkrull、Nedjma Ousidhoum和Andreas Vlachos都是计算机科学领域的专家。他们所在的机构分别是丹麦技术大学、剑桥大学和伦敦皇家学院。Schlichtkrull曾发表过“Knowledge Graph Convolutional Networks”等论文；Ousidhoum的代表作包括“Multi-Target Stance Detection with Sentiment and Discourse Clues”等；Vlachos曾发表过“Fact Checking and Veracity Prediction using Machine Learning”等论文。

相关研究：近期的相关研究包括“Fact-Checking in a Highly Polarized World: A Review of the State of the Art”（作者：John Cook、Stephan Lewandowsky、Ullrich Ecker，机构：科廷大学）和“Fake News Detection on Social Media: A Data Mining Perspective”（作者：Charalambos Chelmis、Chenwei Zhang、Bing Liu，机构：伊利诺伊大学厄巴纳-香槟分校）。

论文摘要：自动化事实核查工具的预期用途：为什么、如何和谁 Michael Schlichtkrull，Nedjma Ousidhoum，Andreas Vlachos 自动化事实核查常常被提出作为事实核查员、社交媒体消费者和其他利益相关者可以用来打击虚假信息的认知工具。然而，很少有论文深入讨论如何使用。我们通过分析100篇高引用论文并注释与预期用途相关的认知元素，即手段、目的和利益相关者，来证明这一点。我们发现，忽略某些方面的叙述很常见，许多论文提出的手段和目的不一致，建议策略的可行性很少有实证支持。我们认为，这种模糊性积极阻碍了技术实现其目标，因为它鼓励过度宣传，限制批评，并阻止利益相关者的反馈。因此，我们提供了几个关于思考和撰写事实核查工具使用的建议。

内容中包含的图片若涉及版权问题，请及时与我们联系删除