Srijan Kumar over Disinformation on the web. #voginip pic.twitter.com/ni1Zo8TUyM
— Peter Evers (@PeterMEvers) March 9, 2017
#voginip Wikipedia:List of hoaxes on Wikipedia – Wikipedia – https://t.co/TUOu3IDQnW
— Dymphie🍀 🇳🇱 🇪🇺 deugmens 🏳️🌈 🇳🇱 (@Dymphie) March 9, 2017
Worst hoaxes zijn die het langste niet ontdekt zijn. #voginip pic.twitter.com/IA7XoXlq43
— Dymphie🍀 🇳🇱 🇪🇺 deugmens 🏳️🌈 🇳🇱 (@Dymphie) March 9, 2017
Erg ook als ze veel bekeken zijn. Niet ontdekte hoax artikelen krijgen meer bezoek dan gewone #voginip pic.twitter.com/rCKZzLhTQL
— Dymphie🍀 🇳🇱 🇪🇺 deugmens 🏳️🌈 🇳🇱 (@Dymphie) March 9, 2017
One per cent of the hoax articles on Wikipedia survives for over one year and receives a lot of traffic according to Srijan Kumar #voginip pic.twitter.com/QpilwLsgpd
— Library Tips (@LibraryTips) March 9, 2017
Mijn favoriete fake nieuws allertijden: https://t.co/seYNCSvMpp #voginip
— Anneke Dirkx (@AnnekeDirkx) March 9, 2017
Veel impact is ook een slechte zaak. Hoax artikelen hebben veel meer actieve inlinks #voginip pic.twitter.com/QJddQAZnMl
— Dymphie🍀 🇳🇱 🇪🇺 deugmens 🏳️🌈 🇳🇱 (@Dymphie) March 9, 2017
Meeste worden snel gevonden #voginip pic.twitter.com/wM4jfMH2Yj
— Dymphie🍀 🇳🇱 🇪🇺 deugmens 🏳️🌈 🇳🇱 (@Dymphie) March 9, 2017
Zoek patronen #voginip pic.twitter.com/voimswAmcO
— Dymphie🍀 🇳🇱 🇪🇺 deugmens 🏳️🌈 🇳🇱 (@Dymphie) March 9, 2017
Interesting work by Srijan Kumar on characterizing Wikipedia hoaxes #voginip https://t.co/GCHWNYvd5d
— Herbert @hvdsomp@octodon.social (@hvdsomp) March 9, 2017
Met wat geleerd is via machine learning techn, kan ook oudere Hoaxes geïdentificeerd worden bv Steve Moertel. Popcorn entrepreneur #voginip
— Dymphie🍀 🇳🇱 🇪🇺 deugmens 🏳️🌈 🇳🇱 (@Dymphie) March 9, 2017
A trained reader can identify 86 per cent of Wikipedia hoaxes. A standard reader does slightly better than random #voginip pic.twitter.com/mVtSp8Vlzs
— Library Tips (@LibraryTips) March 9, 2017
vogin-ip-lezing 