[논문 리뷰] This Just In: Fake News Packs a Lot in Title, Uses Simpler, Repetitive Content in Text Body, More Similar to Satire than Real News

Benjamin D. Horne, Sibel Adalı|arXiv (Cornell University)|2017. 03. 28.

Misinformation and Its Impacts인용 수 48

한 줄 요약

이 연구는 3개의 데이터셋을 사용하여 가짜 뉴스, 진짜 뉴스, 풍자 뉴스 간의 스타일적 차이를 분석하며, 가짜 뉴스 제목은 더 길고, 더 많은 고유명사와 더 적은 불용어를 사용하는 반면, 본문은 더 짧고 반복적이며 복잡도가 낮다는 것을 밝혀냈다. 특히 중요한 점은 가짜 뉴스가 진짜 뉴스보다 풍자 뉴스와 스타일적으로 더 유사하다는 것이며, 이는 논리적 추론이 아닌 히وري스틱적 설득에 의존함을 시사한다. 제목이 깊이 읽지 않는 독자들에게 영향을 주는 주요 설득 수단이라는 것이다.

ABSTRACT

The problem of fake news has gained a lot of attention as it is claimed to have had a significant impact on 2016 US Presidential Elections. Fake news is not a new problem and its spread in social networks is well-studied. Often an underlying assumption in fake news discussion is that it is written to look like real news, fooling the reader who does not check for reliability of the sources or the arguments in its content. Through a unique study of three data sets and features that capture the style and the language of articles, we show that this assumption is not true. Fake news in most cases is more similar to satire than to real news, leading us to conclude that persuasion in fake news is achieved through heuristics rather than the strength of arguments. We show overall title structure and the use of proper nouns in titles are very significant in differentiating fake from real. This leads us to conclude that fake news is targeted for audiences who are not likely to read beyond titles and is aimed at creating mental associations between entities and claims.

연구 동기 및 목표

• 가짜 뉴스, 진짜 뉴스, 풍자 뉴스 기사 간의 체계적인 스타일적 및 언어적 차이를 조사하는 것.
• 가짜 뉴스가 진짜 뉴스를 모방하기 위해 쓰이는지, 아니면 설득 전략에서 풍자와 더 유사한지 확인하는 것.
• 언어적 및 구조적 특징이 가짜 뉴스를 진짜 뉴스 및 풍자 뉴스와 구분하는 데 얼마나 예측력이 있는지 평가하는 것.
• 이러한 발견이 가짜 뉴스가 이성적 추론이 아닌 히وري스틱 처리를 통해 어떻게 퍼지는지 이해하는 데 미치는 영향을 탐색하는 것.

제안 방법

• 이 연구는 세 가지 서로 다른 데이터셋을 분석한다: 2016년 미국 선거 뉴스에 관한 Buzzfeed의 데이터셋, 연구자가 수집한 진짜, 가짜, 풍자 뉴스 소스에서의 미국 정치 뉴스 데이터셋, 그리고 이전 연구에서 확보한 풍자 뉴스와 진짜 뉴스에 관한 데이터셋.
• 언어적 및 스타일적 특징을 추출하며, 제목 길이, 불용어 사용, 고유명사 사용, 문장 부호, 본문 내 반복성 등을 포함한다.
• 통계적 분석과 선형 커널 SVM을 사용하여 이러한 특징을 바탕으로 기사들을 가짜, 진짜, 풍자로 분류한다.
• 발달 가능성 모델(ELM)을 이론적 프레임워크로 적용하여, 특히 설득에서 부차적 처리와 중심 처리의 역할을 해석한다.
• 특징 중요도를 평가하여 가짜 뉴스와 진짜 뉴스, 풍자 뉴스를 가장 잘 구분하는 언어적 신호를 특정한다.
• 소규모 특징 집합을 사용하여 정확도 지표를 평가하여 식별된 특징의 유용성을 검증한다.

실험 결과

연구 질문

• RQ1 가짜 뉴스의 언어적 및 스타일적 특징은 진짜 뉴스 및 풍자 뉴스와 체계적으로 어떻게 다를까?
• RQ2 가짜 뉴스는 진짜 뉴스보다 풍자 뉴스와 얼마나 유사한 스타일을 띄는가?
• RQ3 가짜 뉴스 기사가 본문의 논리적 추론보다 제목에서 히وري스틱 신호에 더 의존하는가?
• RQ4 제목 길이, 고유명사 사용, 반복성과 같은 간단한 언어적 특징이 가짜 뉴스 콘텐츠를 효과적으로 예측할 수 있는가?
• RQ5 인지적 히وري스틱, 특히 부차적 처리가 가짜 뉴스의 확산과 설득에 어떤 역할을 하는가?

주요 결과

• 가짜 뉴스 제목은 진짜 뉴스보다 유의미하게 더 길며, 더 많은 고유명사와 동사구를 포함하고, 불용어와 명사 사용은 더 적다.
• 가짜 뉴스 본문은 진짜 뉴스보다 더 짧고 반복적이며, 문장 부호 사용도 적어 언어적 복잡도가 낮다는 것을 시사한다.
• 언어적 스타일 측면에서 가짜 뉴스는 진짜 뉴스보다 풍자 뉴스와 통계적으로 더 유사하며, 이는 공통된 설득 전략을 공유하고 있음을 시사한다.
• 선형 커널 SVM은 단지 소량의 언어적 특징만을 사용하여 가짜 뉴스를 진짜 뉴스 및 풍자 뉴스와 분류하는 데 71%에서 91%의 정확도를 달성한다.
• 연구 결과는 발달 가능성 모델을 지지하며, 가짜 뉴스가 본문의 이성적 추론이 아닌 제목의 히وري스틱 신호에 의존하는 부차적 처리를 통해 설득한다는 것을 시사한다.
• 이 연구는 가짜 뉴스가 깊이 읽지 않고 제목만 스캔하는 독자들을 대상으로 설계되어 있으며, 제목 기반의 히وري스틱이 영향력의 주요 수단임을 결론 내린다.