DOJIN選書版の古くなった情報をアップデートし、コロナ後のフェイクニュースの動向についての記載を含めた追補版が文庫になりました(2021/7/30)。
こちらの方が内容が新しいので、今後はDOJIN文庫版をお求めください。
下記5, 7, 8は修正済み。
p.29: マケドニア →マケドニア(現在の北マケドニア)
2019年2月以降は、「北マケドニア共和国」あるいは「北マケドニア」と表記されるようになりました。[Link]
p.46:最初の投稿がリツイートされる →最初の投稿が深さ10までリツイートされる
p.47 図1-8のY軸:平均時間(分)
p.62 マントラ→曼荼羅
p.79 図2-5:この図は、K. Sasahara et al (2013)のサンプリングデータを利用した分析なので、デマツイートを網羅しているわけではありません。このデマツイートの詳細な分析はTakayasu et al (2015)が詳しいです。
Sasahara, K., Hirata, Y., Toyoda, M., Kitsuregawa, M. & Aihara, K. Quantifying Collective Attention from Tweet Stream. PLoS ONE 8, e61823 (2013).
Takayasu, M. et al. Rumor Diffusion and Convergence during the 3.11 Earthquake: A Twitter Case Study. PLoS ONE 10, e0121443 (2015).
p.145:「さらに、同研究グループは、フェイスブックのビッグデータと計算モデルの結果を比較し、「質が高いから共有されるミームと、質が低くても拡散されるミームは、統計的に見分けがつかない」ことを示しました」→ 「さらに、同研究グループは、フェイスブックのビッグデータと計算モデルの結果を比較し、「質が高いから共有されるミームと、質が低くても拡散されるミームは、統計的に見分けがつかない」ことを示しました。(その後、当該論文の図4dと図5に計算間違いが発見され、論文が取り下げられました。「情報過多と有限の認知の相乗効果によって質が低くても拡散されるミームがある」という理論的予測が間違っているわけではありませんが、それだけではフェイスブックのデータから得られる分布を再現するには不十分だったということが明らかになりました。)
p.165 :立憲民主党のツイッターアカウントが急増 → (修正)立憲民主党のツイッターアカウントのフォロワーが急増
p.165 :これらの事例のように、バスフィード・ジャパンは →(修正)これらの事例のように、バズフィード・ジャパンは
X. Wentao and K. Sasahara, Characterizing the roles of bots on Twitter during the COVID-19 infodemic, Journal of Computational Social Science (accepted) [ariXiv]
新型コロナ禍に置いてソーシャルボットが不確かな情報を拡散していたことを示した
K. Sasahara, W. Chen, H. Peng, G. L. Ciampaglia, A. Flammini and F. Menczer, Social Influence and Unfollowing Accelerate the Emergence of Echo Chambers, Journal of Computational Social Science, 2020 [arXiv]
エコーチェンバーの発生メカニズムに関する計算モデルを提案し、Twitterのデータで妥当性を検討した
Grinberg, N., Joseph, K., Friedland, L., Swire-Thompson, B. & Lazer, D. Fake news on Twitter during the 2016 U.S. presidential election. 6 (2019).
米大統領選2016において、Twitter上の偽ニュースの8割は1%のユーザによるもの、共有された偽ニュースの8割は0.1%のユーザによるものだった
Guess, A., Nagler, J. & Tucker, J. Less than you think: Prevalence and predictors of fake news dissemination on Facebook. Science Advances 5, (2019).
米大統領選2016において、Facebook上の偽ニュースの拡散は保守系高齢者に多い傾向があった