Search icon
ReadWrite
see notifications
Notifications
see more
paint-brush
Consommation d’informations et de désinformation en Europe : informations supplémentaires par@newsbyte

Consommation d’informations et de désinformation en Europe : informations supplémentaires

par NewsByte.Tech2m2024/06/07
Read on Terminal Reader
tldt arrow
en-flagENru-flagRUtr-flagTRko-flagKOde-flagDEbn-flagBNes-flagEShi-flagHIzh-flagZHvi-flagVIfr-flagFRpt-flagPTja-flagJA
FR

Trop long; Pour lire

Dans cet article, les chercheurs analysent les modèles de consommation d’informations en Europe, les sources de désinformation et les comportements du public sur Twitter.
featured image - Consommation d’informations et de désinformation en Europe : informations supplémentaires
NewsByte.Tech HackerNoon profile picture
0-item

Auteurs:

(1) Anees Baqir, Université Ca' Foscari de Venise, Italie ;

(2) Alessandro Galeazzi, Université Ca' Foscari de Venise, Italie ;

(3) Fabiana Zollo, Université Ca' Foscari de Venise, Italie et The New Institute Center for Environmental Humanities, Italie.

Tableau des liens

Information supplémentaire

Figure 1 : Réseau de similarité entre les organes d'information, où chaque source d'information est représentée comme un nœud et les bords représentent la similarité des audiences entre les organes d'information. La couleur et la forme des nœuds indiquent la classification de la source d'information, et l'épaisseur des bords représente le niveau de similarité des retweeteurs entre deux sources d'information. Chaque réseau représente la similitude des médias sur un sujet pour un pays.


Tableau 1 : Le tableau présente les coefficients d'assortativité ajustés (Karimi et Oliveira, 2022) pour des sujets clés en France, en Allemagne, en Italie et au Royaume-Uni. Ces coefficients mesurent la tendance des nœuds à être connectés à des nœuds ayant des degrés similaires au sein du réseau thématique de chaque pays. En particulier, les variations entre les pays mettent en évidence des modèles distincts de connectivité intra-réseau pour chaque sujet.


Figure 2 : Analyse de détection communautaire des réseaux de similarité des médias avec tous les bords. Des clusters ont été trouvés à l’aide de l’algorithme de clustering de Louvain et triés en fonction du pourcentage de médias douteux. Le pourcentage de sources douteuses dans chaque cluster est codé par couleur.


Figure 3 : Répartition des types de médias par rapport au score PageRank


Tableau 2 : Sujet de densité de périphérie et par pays


Tableau 3 : Liens entre les sources d'information fiables et douteuses


Tableau 4 : Comptage d'audience pour les sources d'information fiables et douteuses


Cet article est disponible sur arxiv sous licence CC 4.0.


Notion
L O A D I N G
. . . comments & more!

About Author

NewsByte.Tech HackerNoon profile picture
NewsByte.Tech@newsbyte
Byte off more tech news than you can chew, or die coding your own dreams.
Read my stories

ÉTIQUETTES

purcat-imgscience #news-and-misinformation #news-consumption #misinformation-detection #internet-impact #social-media-influence #twitter-analysis #cross-country-comparisons #information-comsumption

CET ARTICLE A ÉTÉ PARU DANS...

Read on Terminal Reader Terminal
Read this story w/o Javascript Lite

HISTOIRES CONNEXES

Article Thumbnail
Comment améliorer votre flux de travail par 10 : 17 applications essentielles
by madzadev
Jan 01, 1970
#web-development
Article Thumbnail
Guide de l'architecte pour créer une architecture de référence pour un datalake IA/ML
by minio
Jan 01, 1970
#minio
Article Thumbnail
Vous voulez gagner un concours d’écriture HackerNoon ? Voici ce que recommandent les gagnants du concours #crypto-api
by hackernooncontests
Jan 01, 1970
#hackernoon-writing-contest
Join HackerNoonloading
Latest technology trends. Customized Experience. Curated Stories. Publish Your Ideas