超越二元检测：Reddit 上癌症错误信息的多维分类

社交媒体上与癌症相关的讨论为信息交流和同伴支持提供了重要的空间，但也可能使用户接触到错误信息，从而影响预防、筛查和治疗决策。现有的研究通常将癌症错误信息视为二元现象，对错误信息如何表达、参与以及与潜在危害相关的了解有限。我们引入了一种多维分类法来描述 Reddit 上关于乳腺癌、肺癌、结肠癌和前列腺癌的讨论中的癌症错误信息。该分类法通过专家注释开发，涵盖了七个维度，涵盖错误信息的存在、癌症阶段、信息寻求和共享行为、错误信息类型、风险、立场和主题焦点。我们在零样本和少样本设置中评估了 21 个 大语言模型 (LLM)，并开发了跨模型协议策略，将错误信息识别扩展到超过 133K 个帖子。我们的分析表明，错误信息在形式和功能上都是异质的：未经证实的替代疗法成为一个突出的话题，错误信息经常发生在结合信息搜索和共享的交流中，用户通过认可和不确定性参与有问题的主张。我们进一步发现，不同维度的分类难度差异很大，风险评估给人类注释者和 LLM 带来了特殊的挑战。我们的分类和实证研究结果超越了二元检测，更细致地描述了在线健康社区中癌症错误信息是如何产生、讨论和遇到的。