主要研究 今天

机器学习模型能帮助公众更好地判断他们所消费的健康新闻的质量吗? 永利app新版本官网地址(University of New Hampshire)两位教授最近的研究表明，他们可以.  

Ermira Zifla 和 Burcu Eke Rubini他是该校决策科学助理教授 彼得?. 保罗经济与商业学院, 最近训练了机器学习模型来评估永利app新版本官网地址新医学治疗的健康新闻报道的质量.  

他们的研究成果发表于 决策支持系统, 发现机器学习模型在评估这些健康故事的质量方面优于非专业人士的评估.     

这项研究解决了一个复杂的挑战，即确定新闻的可靠性，这些新闻可能更微妙，比如整个故事没有被讲述，但不属于假新闻的范畴.

随着有关新疗法的新闻报道和新闻稿的迅速和广泛传播，这一挑战可能更加明显，因为这类报道可能夸大索赔要求，并压制相关风险. 同时, 大多数普通人没有医学专业知识来理解其中的一些复杂性.    

“大多数人对假新闻的看法是完全捏造的, 但, 尤其是在医疗保健领域, 它不需要是假的. 这可能是他们没有提到什么，”Zifla说. “在这项研究中，我们并没有对发布这些内容的新闻机构的意图提出指控. 但如果遗漏了一些东西，应该有一种方法来看待它.”   

在研究中, Zifla和Eke Rubini使用了来自《永利app新版本官网地址》的数据集，其中包括2013年至2018年在不同媒体上发表的永利app新版本官网地址新医疗保健治疗的新闻报道和新闻稿.     

这些文章已经由一个医疗保健专家小组——医生——进行了评估, 卫生保健记者和临床教授——基于专家们制定的10个不同的评估标准. 标准包括治疗或测试的成本和收益, 任何可能的伤害, 争论的质量, 程序的新颖性和可用性以及来源的独立性.

然后，研究人员根据相同的专家标准开发了一种算法, 并训练机器模型对新闻故事的各个方面进行分类, 将标准匹配为“满意”或“不满意”.“专家的评估是机器学习模型训练和测试的基准.    

“我们有这个很棒的数据集，其中有根据不同标准评估的新闻, 这是很罕见的，因为它很昂贵，需要大量的时间和专业知识,Zifla说. “我们认为我们可以利用这些数据集和机器学习来自动化这个过程.”    

他们的方法, 采用多准则专家评价, 与之前的研究形成鲜明对比的是，之前的研究通常依赖于二元真假框架来检测假新闻, Eke Rubini补充道.  

该模型的性能与通过调查获得的外行人评价进行比较，参与者根据相同的标准将文章评为“满意”或“不满意”. 调查显示出一种“乐观偏见”,在254名参与者中，大多数人对文章的评价是满意的, 明显不同于模型中更为关键的评估. 

Zifla说:“我们可以推测其中的原因，但我们没有在论文中对此进行测试。. “相信新闻或医疗信息可能是一种普遍倾向.”   

随着公众继续通过社交媒体快速消费健康新闻, 埃克·鲁比尼和兹弗拉认为，使用他们开发的多标准机器学习模型来创建数字推送，帮助消费者评估这些故事，将有利于社交媒体公司.   

“每次有永利app新版本官网地址健康新闻的新闻报道, 它会通过算法运行，然后根据是否满足不同的标准给出结果, 这可以自动整合到网站中,艾克·鲁比尼说.   

未来的研究可以专注于开发具有不同标准的新模型，或者探索公众对社交媒体平台实施的机器学习评估的接受程度.  

“这是一个非常困难的挑战. 我们希望开启一场基于多种标准评估新闻的对话. 我再怎么强调也不过分，我们应该摆脱假新闻或不假新闻的二元思维,Zifla说. “这些模型可以适应更好的标准和更好的功能. 这一点总是可以改进的.”