Filtern
Dokumenttyp
Schlagworte
- Desinformation (4)
- Fact-checking (4)
- Fehlinformation (4)
- Bewertung (3)
- Check-worthiness estimation (3)
- COVID-19 (2)
- Befragung (1)
- Bibliothekswissenschaft (1)
- Demoskopie (1)
- Druckmedien (1)
Institut
Diese Arbeit befasst sich mit der Klassifikation von Webseiten in solche, die
Kundenrezensionen zu Produkten oder Dienstleistungen enthalten und solche, die keine enthalten. Die derart gewonnenen Rezensionen können anschließend als Input für Opinion-Mining-Systeme dienen, die sich mit der
Extraktion und Klassifikation von Meinungen z. B. in der genannten Textsorte beschäftigen. Erste Evaluierungsergebnisse deuten mit einer Accuracy von 91 Prozent auf einen vielversprechenden Ansatz hin.
Bisher gibt es kaum Forschungsarbeiten darüber, wie Personas in internationalen Projekten eingesetzt werden. Studien, in denen interkulturelle Aspekte eine Rolle spielen, gehen häufig nicht auf die damit verbundenen Besonderheiten und Problematiken ein. Grundlegende Motivation für die hier beschriebene Forschung ist daher die Zusammenführung von Ergebnissen aus den Bereichen Usability und Interkulturelle Kommunikation mit den praktischen Erfahrungen, wie sie in der täglichen Praxis eines Usability-Dienstleisters
häufig auftreten. Ein Schwerpunkt liegt auf der Erstellung eines Leitfadens
mit Vorschlägen zur Vorgehensweise bei internationalen Software-
Projekten.
We describe the fourth edition of the CheckThat! Lab, part of the 2021 Conference and Labs of the Evaluation Forum (CLEF). The lab evaluates technology supporting tasks related to factuality, and covers Arabic, Bulgarian, English, Spanish, and Turkish. Task 1 asks to predict which posts in a Twitter stream are worth fact-checking, focusing on COVID-19 and politics (in all five languages). Task 2 asks to determine whether a claim in a tweet can be verified using a set of previously fact-checked claims (in Arabic and English). Task 3 asks to predict the veracity of a news article and its topical domain (in English). The evaluation is based on mean average precision or precision at rank k for the ranking tasks, and macro-F1 for the classification tasks. This was the most popular CLEF-2021 lab in terms of team registrations: 132 teams. Nearly one-third of them participated: 15, 5, and 25 teams submitted official runs for tasks 1, 2, and 3, respectively.
Mediennutzung erstreckt sich zunehmend auf Online-Medien, in denen sich u. a. der soziale Charakter der Kommunikation auf den Konsum auswirkt. Traditionellen Medien wird wiederum oftmals eine höhere Glaubwürdigkeit
zugeschrieben. Anhand eines Experiments, in welchem lediglich die Quelle eines Nachrichtentextes modifiziert wurde, konnten die Auswirkungen auf das Konstrukt Glaubwürdigkeit und seine Bestandteile untersucht und quantifiziert werden. Eine Online-Umfrage zeigt zusätzlich, welche unterschiedlichen Eigenschaften online- und traditionellen Medien zugeschrieben werden.
Der Beitrag stellt Ergebnisse der Fachgruppe Informationskompetenz der KIBA vor, in der alle Lehrenden im Bereich der Vermittlung von Medien- und Informationskompetenz an bibliotheks- und informationswissenschaftlichen Studiengängen in Deutschland zusammenarbeiten. Ausgangspunkt ist das „Framework Informationskompetenz“, ein Anforderungsrahmen, der gemeinsame Standards in der Qualifikation von Studierenden der Bibliotheks- und Informationswissenschaft für das Aufgabenfeld der Förderung von Informationskompetenz sichern soll. Es wird aufgezeigt, wie die in diesem Rahmenmodell formulierten Qualifikationsstandards in den verschiedenen Studiengängen umgesetzt werden und wo es bedarfsbezogene Ausprägung und Gewichtung in den Qualifikationszielen gibt.
We describe the fourth edition of the CheckThat! Lab, part of the 2021 Cross-Language Evaluation Forum (CLEF). The lab evaluates technology supporting various tasks related to factuality, and it is offered in Arabic, Bulgarian, English, and Spanish. Task 1 asks to predict which tweets in a Twitter stream are worth fact-checking (focusing on COVID-19). Task 2 asks to determine whether a claim in a tweet can be verified using a set of previously fact-checked claims. Task 3 asks to predict the veracity of a target news article and its topical domain. The evaluation is carried out using mean average precision or precision at rank k for the ranking tasks, and F1 for the classification tasks.
Overview of the CLEF-2022 CheckThat! Lab on Fighting the COVID-19 Infodemic and Fake News Detection
(2022)
We describe the fifth edition of the CheckThat! lab, part of the 2022 Conference and Labs of the Evaluation Forum (CLEF). The lab evaluates technology supporting tasks related to factuality in multiple languages: Arabic, Bulgarian, Dutch, English, German, Spanish, and Turkish. Task 1 asks to identify relevant claims in tweets in terms of check-worthiness, verifiability, harmfullness, and attention-worthiness. Task 2 asks to detect previously fact-checked claims that could be relevant to fact-check a new claim. It targets both tweets and political debates/speeches. Task 3 asks to predict the veracity of the main claim in a news article. CheckThat! was the most popular lab at CLEF-2022 in terms of team registrations: 137 teams. More than one-third (37%) of them actually participated: 18, 7, and 26 teams submitted 210, 37, and 126 official runs for tasks 1, 2, and 3, respectively.
The fifth edition of the CheckThat! Lab is held as part of the 2022 Conference and Labs of the Evaluation Forum (CLEF). The lab evaluates technology supporting various factuality tasks in seven languages: Arabic, Bulgarian, Dutch, English, German, Spanish, and Turkish. Task 1 focuses on disinformation related to the ongoing COVID-19 infodemic and politics, and asks to predict whether a tweet is worth fact-checking, contains a verifiable factual claim, is harmful to the society, or is of interest to policy makers and why. Task 2 asks to retrieve claims that have been previously fact-checked and that could be useful to verify the claim in a tweet. Task 3 is to predict the veracity of a news article. Tasks 1 and 3 are classification problems, while Task 2 is a ranking one.
