論文の概要: Measuring the Diversity of Facebook Reactions to Research
- arxiv url: http://arxiv.org/abs/2001.01029v1
- Date: Sat, 4 Jan 2020 03:41:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 22:38:59.756142
- Title: Measuring the Diversity of Facebook Reactions to Research
- Title（参考訳）: 研究に対するFacebookの反応の多様性の測定
- Authors: Cole Freeman, Hamed Alhoori, Murtuza Shahzad
- Abstract要約: クリックベースの反応を重み付けすることで,その理解度を高める方法を提案する。
我々は,LDAトピックモデルと統計検査とともに,ユーザの感情反応が別の科学的トピックとどのように異なるかを調べる。
Facebookの科学的研究には概して肯定的な反応があり、ポジティブな感情的な反応を生み出す記事が広く共有される傾向にある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online and in the real world, communities are bonded together by emotional
consensus around core issues. Emotional responses to scientific findings often
play a pivotal role in these core issues. When there is too much diversity of
opinion on topics of science, emotions flare up and give rise to conflict. This
conflict threatens positive outcomes for research. Emotions have the power to
shape how people process new information. They can color the public's
understanding of science, motivate policy positions, even change lives. And yet
little work has been done to evaluate the public's emotional response to
science using quantitative methods. In this paper, we use a dataset of
responses to scholarly articles on Facebook to analyze the dynamics of
emotional valence, intensity, and diversity. We present a novel way of
weighting click-based reactions that increases their comprehensibility, and use
these weighted reactions to develop new metrics of aggregate emotional
responses. We use our metrics along with LDA topic models and statistical
testing to investigate how users' emotional responses differ from one
scientific topic to another. We find that research articles related to gender,
genetics, or agricultural/environmental sciences elicit significantly different
emotional responses from users than other research topics. We also find that
there is generally a positive response to scientific research on Facebook, and
that articles generating a positive emotional response are more likely to be
widely shared---a conclusion that contradicts previous studies of other social
media platforms.
- Abstract（参考訳）: オンラインと現実世界では、コミュニティはコア問題に関する感情的なコンセンサスによって結びついています。
科学的発見に対する感情的な反応は、これらの核となる問題において重要な役割を果たす。
科学のトピックに対する意見の多様性が多すぎると、感情が燃え上がり、対立を引き起こす。
この対立は研究のポジティブな結果を脅かす。
感情は、人々が新しい情報を処理する方法を形成する力を持っている。
科学に対する国民の理解を色分けし、政策姿勢を動機付け、生活を変えることさえできる。
しかし、科学に対する人々の感情的反応を定量的に評価する研究はほとんど行われていない。
本稿では,facebook上の学術記事に対する回答のデータセットを用いて,感情的ヴァレンス,強度,多様性のダイナミクスを分析する。
我々は,その理解性を高めるクリックベースの反応を重み付けする新しい方法を提案し,これらの重み付け反応を用いて感情の総合的反応の新しい指標を開発する。
我々は,LDAトピックモデルと統計検査とともに,ユーザの感情反応が別の科学的トピックとどのように異なるかを調べる。
性別・遺伝・農業・環境科学に関する研究論文は,利用者の感情的反応と他の研究項目とは大きく異なることが判明した。
また、Facebookに関する科学的研究には概して肯定的な反応があり、ポジティブな感情的な反応を生み出す記事が広く共有される可能性が高いこともわかりました。
関連論文リスト
- Flood of Techniques and Drought of Theories: Emotion Mining in Disasters [5.392688959066589]
感情のマイニングは、災害時の人間の感情を理解するための重要なツールとなっている。
本研究の目的は,災害時における感情のマイニングに関する既存の研究を要約することである。
我々は感情のマイニング手法の有効性と信頼性を高めることを目的としている。
論文 参考訳（メタデータ） (2024-07-07T00:43:05Z) - SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。
異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。
本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
論文 参考訳（メタデータ） (2024-05-19T09:59:00Z) - The Role of Likes: How Online Feedback Impacts Users' Mental Health [1.0156836684627544]
オンラインフィードバックがユーザーの感情体験、社会的つながり、自尊心に与える影響を分析した。
他者からの反応がほとんどないし全くないことから,ユーザの否定的な感情を誘発するだけでなく,自己評価の低レベルも引き起こすことがわかった。
対照的に、オンラインのフィードバックを非常に肯定的に受け取り、社会的つながりの感情を誘発し、全体的な孤独を減少させる。
論文 参考訳（メタデータ） (2023-12-19T07:48:10Z) - Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。
我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。
我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
論文 参考訳（メタデータ） (2023-08-07T15:18:30Z) - Why Do You Feel This Way? Summarizing Triggers of Emotions in Social
Media Posts [61.723046082145416]
CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。
我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。
分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
論文 参考訳（メタデータ） (2022-10-22T19:10:26Z) - Affective Idiosyncratic Responses to Music [63.969810774018775]
本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。
我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
論文 参考訳（メタデータ） (2022-10-17T19:57:46Z) - Affection: Learning Affective Explanations for Real-World Visual Data [50.28825017427716]
我々は,85,007枚の公開画像に対して,感情反応と自由形式のテキスト説明を含む大規模データセットを研究コミュニティに導入し,共有する。
本研究は, 被写体集団に大きな支持を得て, 潜在的に有意な感情反応をとらえる上で, 重要な共通基盤があることを示唆する。
私たちの研究は、より豊かで、より人間中心で、感情に敏感な画像分析システムへの道を開くものです。
論文 参考訳（メタデータ） (2022-10-04T22:44:17Z) - Public Reaction to Scientific Research via Twitter Sentiment Prediction [0.0]
ソーシャルメディアユーザーは自分の考え、考え、感情を他のユーザーと共有する。
オンラインユーザーが新しい研究結果にどのように反応するかは明らかになっていない。
本研究の目的は,Twitter利用者が表現する感情の性質を科学的出版に向けて予測することである。
論文 参考訳（メタデータ） (2022-09-11T17:24:37Z) - Validating daily social media macroscopes of emotions [0.12656629989060433]
われわれはオンライン新聞で大規模な調査を行い、ユーザーから毎日の情緒的状態の自己報告を収集した。
同じオンラインプラットフォーム上でのユーザディスカッションの感情分析の結果と比較した。
両プラットフォームにおいて,テキスト分析結果と自己報告感情のレベルとの間には強い相関関係が認められた。
論文 参考訳（メタデータ） (2021-08-17T14:28:56Z) - A Study on Herd Behavior Using Sentiment Analysis in Online Social
Network [1.5673338088641469]
本稿では,オンラインソーシャルネットワーキングサイトからの批判的意見を予測するための多様な戦略の能力について述べる。
ソーシャルメディアはここ数十年で良いメディアとなり、世界中の意見を共有している。
本研究では,ソーシャルメディアコンテンツを用いた感情分析手法の評価を行った。
論文 参考訳（メタデータ） (2021-07-25T05:22:35Z) - MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。
共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
論文 参考訳（メタデータ） (2020-10-04T00:35:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。