本研究は、文化的・言語的に多様な（CALD）環境に対応するAIベースの健康誤情報検出器を提案し、特にベンガル語のような低資源言語において効果的なツールの欠如という課題に対処します。著者たちは、この文脈における大規模言語モデルの限界を克服するために、小規模言語モデル（SLM）を評価しました。

  • ベンガル語に翻訳された健康誤情報データセットを使用して実験を行い、各種SLMを評価しました。
  • Phi-4が最良のモデルとして浮上し、主張抽出において精度と再現率の理想的なバランスを実現しました。
  • 文化的感受性、潜在的な危害、コミュニケーションの品質を組み込んだ責任あるNLPに基づき、新たな検出フレームワークを設計しました。

本研究は、医療従事者が誤情報を分析するためのダッシュボードを提供し、低資源言語環境における評価のための包括的な視点をもたらします。