2026-04-30T19:09:13Z https://datacatalogue.cessda.eu/oai-pmh/v0/oai

61e9ad50a2a9ad944cb2dcd6065dc094485d89b5e204cc058777cff9ec35c4df 2025-06-17T03:16:33Z language:enopenaire_data

DDI study level documentation for study 10.7802/2538 Propositional Claim Detection (NLP Datensatz) Propositional Claim Detection (NLP Datensatz) Propositional Claim Detection (NLP Datensatz) 10.7802/253810.7802/253810.7802/253810.7802/2538 Nenno, Sami Nenno, Sami GESIS Data Archive for the Social SciencesGESIS Datenarchiv für Sozialwissenschaften FaktencheckingNLPClaim DetectionFake NewsComputational Social Sciencenaturaldisinformationcomputational linguisticsFaktencheckingNLPClaim DetectionFake NewsComputational Social Sciencenaturaldisinformationcomputational linguistics Es handelt sich um einen natural language processing (NLP) Trainingsdatensatz. Modelle, die auf diesen Daten trainiert werden, sollen Behauptungen klassifizieren können, die wahr oder falsch sein können, also einen Wahrheitswert haben. Dies dient als Grundbaustein, um automatisiert Behauptungen aufzuspüren, die potentielle Desinformation sind. Ein Anwendungsfeld ist z.B. die Unterstützung von Faktenchecker:innen. Insgesamt gibt es 4 Klassen: Aussage (Aussagesätze in Gegenwarts- oder Vergangenheitsform, die keine subjektive Inhalte mit sich tragen), Meinung (Aussagesätze, die subjektive Weltanschauungen mit sich tragen), Prognose (Aussagesätze, die in der Zukunftsform sind) und Sonstiges (Sätze, die keine Aussagesätze sind, also z.B. Fragen oder Befehle). Schlagworte: Faktencheck, Natural Language Processing (NLP), Fake News, Computational Social Science, Desinformation, Computerlinguistik Keywords: fact check, Natural Language Processing (NLP), fake news, computational social science, disinformation, computational linguistics.Es handelt sich um einen natural language processing (NLP) Trainingsdatensatz. Modelle, die auf diesen Daten trainiert werden, sollen Behauptungen klassifizieren können, die wahr oder falsch sein können, also einen Wahrheitswert haben. Dies dient als Grundbaustein, um automatisiert Behauptungen aufzuspüren, die potentielle Desinformation sind. Ein Anwendungsfeld ist z.B. die Unterstützung von Faktenchecker:innen. Insgesamt gibt es 4 Klassen: Aussage (Aussagesätze in Gegenwarts- oder Vergangenheitsform, die keine subjektive Inhalte mit sich tragen), Meinung (Aussagesätze, die subjektive Weltanschauungen mit sich tragen), Prognose (Aussagesätze, die in der Zukunftsform sind) und Sonstiges (Sätze, die keine Aussagesätze sind, also z.B. Fragen oder Befehle). Schlagworte: Faktencheck, Natural Language Processing (NLP), Fake News, Computational Social Science, Desinformation, Computerlinguistik Keywords: fact check, Natural Language Processing (NLP), fake news, computational social science, disinformation, computational linguistics. GermanyGermany Free access (with registration) - The research data can be downloaded by registered users. CC BY-SA 4.0: Attribution – ShareAlike (https://creativecommons.org/licenses/by-sa/4.0/deed.de)Freier Zugang (mit Registrierung) - Die Forschungsdaten können von allen registrierten Nutzerinnen und Nutzern heruntergeladen werden. CC BY-SA 4.0: Attribution – ShareAlike (https://creativecommons.org/licenses/by-sa/4.0/deed.de) http://dbkapps.gesis.org/dbkoai/oai.asp oai:dbk.gesis.org:SDN/10.7802_2538 2023-03-31 ddi:codebook:2_5