fzanartu/FLICCdataset
收藏Hugging Face2024-05-23 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/fzanartu/FLICCdataset
下载链接
链接失效反馈官方服务：
资源简介：
该数据集用于检测气候错误信息中的逻辑谬误，采用了技术和心理学相结合的‘技术认知’方法。数据集通过将不同类型的气候错误信息映射到推理谬误来训练模型，以检测这些谬误。研究结果显示，该模型在检测某些类型的谬误（如假专家和轶事论证）时表现较好，而在需要背景知识的谬误（如过度简化、错误表述和懒惰归纳）上表现相对较差。
该数据集用于检测气候错误信息中的逻辑谬误，采用了技术和心理学相结合的‘技术认知’方法。数据集通过将不同类型的气候错误信息映射到推理谬误来训练模型，以检测这些谬误。研究结果显示，该模型在检测某些类型的谬误（如假专家和轶事论证）时表现较好，而在需要背景知识的谬误（如过度简化、错误表述和懒惰归纳）上表现相对较差。
提供机构：
fzanartu
原始信息汇总
数据集概述
数据集名称
Detecting Fallacies in Climate Misinformation: A Technocognitive Approach to Identifying Misleading Argumentation
数据集用途
用于训练模型以检测气候变化错误信息中的推理谬误。
数据集特点
- 结合心理学和计算机科学研究，采用“technocognitive”方法。
- 旨在将不同类型的气候错误信息映射到推理谬误。
- 研究显示F1分数比以往工作提高了2.5至3.5。
- 容易检测的谬误包括假专家和轶事论证，而需要背景知识的谬误如过度简化、曲解和懒惰归纳相对更难检测。
数据集引用信息
bibtex @misc{zanartu2024detecting, title={Detecting Fallacies in Climate Misinformation: A Technocognitive Approach to Identifying Misleading Argumentation}, author={Francisco Zanartu and John Cook and Markus Wagner and Julian Garcia}, year={2024}, eprint={2405.08254}, archivePrefix={arXiv}, primaryClass={cs.CL}, }
