探討假新聞特徵摘要輔助系統及觀點取替對假新聞感知可信度之影響

Exploring the Effect of Fake News Characteristic Summarization Support System on the Perceived Credibility of Readers with Different Perspective Taking in Fake News

胡祐銓(Hu Yu-Chuan)

指導教授 ： 彭志宏

國立政治大學/商學院/資訊管理學系/碩士(2022年)

https://doi.org/10.6814/NCCU202201029

摘要

近年來假新聞數量激增，也有越來越多相關研究幫助人們遏止假新聞危
害。本研究提出一種網頁輔助系統，在新聞網站中，透過彙整假新聞特徵的摘要的方式提供人們快速掌握假新聞特徵，希望能降低人們對於假新聞的感知可信度。也希望瞭解人們面對假新聞時的心理操弄是否會影響輔助系統的幫助，因此透過觀點取替的動作，了解人們在面對假新聞時能否透過站在自己或他人的角度與立場思考，使人們激發不一樣的思考邏輯，最終調節人們在有無使用輔助系統的狀態中，對於假新聞感知可信度的影響。

本研究透過開發新聞網站系統，並使用問卷調查法發放網路問卷，接著使用SPSS 進行分析，在確認信度與效度以及實驗操弄有效後，進行研究的假說檢定。最終發現假新聞特徵摘要能夠顯著的負向影響假新聞的新聞感知可信度。也發現人們進行觀點取替站在自己立場角度思考時，有假新聞特徵摘要輔助系統的情況比起沒有的情況，可以顯著的更降低假新聞的感知可信度，而人們進行觀點取替站在他人角度思考時，有無假新聞特徵摘要輔助系統的幫助則不會對假新聞的感知可信度產生顯著影響。

關鍵字

假新聞特徵摘要 ； 假新聞感知可信度 ； 觀點取替

並列摘要

The fake news significantly affects people’s daily lives. Prior research focuses on how to design different technologies/algorithms to evaluate fake news. However, little is known how a web support system can help people evaluate fake news and how perspective taking plays a role in fake news evaluation. Therefore, this study purposes
a web system which incorporates and summarizes fake news features.

To examine our hypotheses, we conduct an online experiment. We find that the fake news feature summarization support system decreases the perceived credibility of
fake news and that the perspective taking moderates this relationship. Our findings have critical theoretical and practical contributions.

並列關鍵字

Fake News Features Summaries ； Perspective Taking ； Perceived Credibility Of Fake News

參考文獻

1. Abdi, A., Idris, N., Alguliyev, R. M., & Aliguliyev, R. M. (2016). An automated summarization assessment algorithm for identifying summarizing strategies. PloS one, 11(1), e0145809.

2. Adipat, B., Zhang, D., & Zhou, L. (2011). The effects of tree-view based presentation adaptation on mobile web browsing. MIS quarterly, 99-121.

3. Alguliyev, R. M., Aliguliyev, R. M., Isazade, N. R., Abdi, A., & Idris, N. (2019). COSUM: Text summarization based on clustering and optimization. Expert Systems, 36(1), e12340.

4. Allcott, H., & Gentzkow, M. (2017). Social media and fake news in the 2016 election. Journal of economic perspectives, 31(2), 211-236.

5. Apuke, O. D., & Omar, B. (2021). Fake news and COVID-19: modelling the predictors of fake news sharing among social media users. Telematics and Informatics, 56, 101475.