論文の概要: Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis

• arxiv url: http://arxiv.org/abs/2005.12423v2
• Date: Wed, 10 Nov 2021 19:15:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 06:32:50.929682
• Title: Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis
• Title（参考訳）: 人種差別はウイルスだ - 新型コロナウイルス危機下のソーシャルメディアにおける反アジア的憎悪と対抗
• Authors: Bing He, Caleb Ziems, Sandeep Soni, Naren Ramakrishnan, Diyi Yang, Srijan Kumar
• Abstract要約: 新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
• 参考スコア（独自算出の注目度）: 51.39895377836919
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The spread of COVID-19 has sparked racism and hate on social media targeted towards Asian communities. However, little is known about how racial hate spreads during a pandemic and the role of counterspeech in mitigating this spread. In this work, we study the evolution and spread of anti-Asian hate speech through the lens of Twitter. We create COVID-HATE, the largest dataset of anti-Asian hate and counterspeech spanning 14 months, containing over 206 million tweets, and a social network with over 127 million nodes. By creating a novel hand-labeled dataset of 3,355 tweets, we train a text classifier to identify hate and counterspeech tweets that achieves an average macro-F1 score of 0.832. Using this dataset, we conduct longitudinal analysis of tweets and users. Analysis of the social network reveals that hateful and counterspeech users interact and engage extensively with one another, instead of living in isolated polarized communities. We find that nodes were highly likely to become hateful after being exposed to hateful content. Notably, counterspeech messages may discourage users from turning hateful, potentially suggesting a solution to curb hate on web and social media platforms. Data and code is at http://claws.cc.gatech.edu/covid.
• Abstract（参考訳）: 新型コロナウイルスの感染拡大は、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 しかし、パンデミックの間に人種的憎悪がいかに広まるか、またこの拡散を緩和する反響の役割についてはほとんど分かっていない。 本研究では,反アジア的ヘイトスピーチの進化と普及をtwitterのレンズを通して研究する。 私たちは、約1億2600万のツイートと1億1700万のノードを持つソーシャルネットワークを含む14ヶ月にわたる、反アジア的憎悪と反音声のデータセットであるCOVID-HATEを作成します。 3,355ツイートの手書きデータセットを作成することで、テキスト分類器を訓練して、平均0.832のマクロf1スコアを達成するヘイトとカウンタースパイチツイートを識別します。 このデータセットを用いて,ツイートとユーザの縦断解析を行う。 ソーシャルネットワークの分析によると、憎悪と反音声のユーザは、孤立した分極化されたコミュニティに住まうのではなく、互いに対話し、広範囲に交流している。 ノードは、憎しみのあるコンテンツに晒された後、憎悪になる可能性が高い。 特に、反speechメッセージは、ユーザーが憎しみを和らげることを妨げ、ウェブやソーシャルメディアプラットフォームでの憎悪を抑える解決策を示唆する可能性がある。 データとコードはhttp://claws.cc.gatech.edu/covid。

関連論文リスト

• A Federated Approach to Few-Shot Hate Speech Detection for Marginalized Communities [43.37824420609252]
  ネット上でのヘイトスピーチは、辺境化コミュニティにとって未検討の課題だ。 本稿では,インターネット上のヘイトスピーチから身を守るためのプライバシ保護ツールを用いて,支配的言語が低リソースの社会に居住する疎外化コミュニティを提供することを目的とする。
  論文  参考訳（メタデータ） (2024-12-06T11:00:05Z)
• ProvocationProbe: Instigating Hate Speech Dataset from Twitter [0.39052860539161904]
  textitProvocationProbeは、ヘイトスピーチを一般的なヘイトスピーチと区別するためのデータセットである。 本研究では、Twitterから約2万件のツイートを収集し、全世界で9件の論争を巻き起こした。
  論文  参考訳（メタデータ） (2024-10-25T16:57:59Z)
• Overview of the HASOC Subtrack at FIRE 2023: Identification of Tokens Contributing to Explicit Hate in English by Span Detection [40.10513344092731]
  反応的に、ブラックボックスモデルを使ってヘイトフルコンテンツを特定すると、投稿が自動的にヘイトフルであるとフラグ付けされた理由について、ユーザーを混乱させる可能性がある。 ポストが公にされる前に、リフレージングを提案することで、積極的な緩和が達成できる。
  論文  参考訳（メタデータ） (2023-11-16T12:01:19Z)
• Analyzing User Characteristics of Hate Speech Spreaders on Social Media [20.57872238271025]
  ヘイトスピーチにおけるユーザ特性の役割を分析する。 社会的影響の少ないユーザーは、ヘイトスピーチをシェアする傾向にある。 政治的反トランプと反右派憎悪は、より大きな社会的影響力を持つユーザーによって再創造される。
  論文  参考訳（メタデータ） (2023-10-24T12:17:48Z)
• CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network [52.85130555886915]
  CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。 我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
  論文  参考訳（メタデータ） (2023-03-02T17:30:43Z)
• Quantifying How Hateful Communities Radicalize Online Users [2.378428291297535]
  我々は、他のソーシャルネットワークに伝播するヘイトスピーチの観点から、フロンティアヘイトフルなコミュニティに参加することの影響を計測する。 Redditのデータを使って、1種類のエコーチャンバーに参加する効果を評価する。 有害な言論はコミュニティに留まらないことを示す。
  論文  参考訳（メタデータ） (2022-09-19T01:13:29Z)
• Predicting Hate Intensity of Twitter Conversation Threads [26.190359413890537]
  DRAGNET++は、将来、ツイートが返信チェーンを通じてもたらす憎悪の強さを予測することを目的としている。 ツイートスレッドのセマンティックな構造と伝播構造を利用して、続く各ツイートにおけるヘイトインテンシティの低下につながるコンテキスト情報を最大化する。 DRAGNET++は最先端のすべてのベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-06-16T18:51:36Z)
• "Stop Asian Hate!" : Refining Detection of Anti-Asian Hate Speech During the COVID-19 Pandemic [2.5227595609842206]
  新型コロナウイルス(COVID-19)のパンデミックは、アジアでのキセノフォビアと偏見の急増を加速させた。 我々は2つの実験的なアプローチを用いてTwitterのツイートのコーパスを作成して注釈付けし、反アジア人虐待とヘイトスピーチを探索する。
  論文  参考訳（メタデータ） (2021-12-04T06:55:19Z)
• Annotators with Attitudes: How Annotator Beliefs And Identities Bias Toxic Language Detection [75.54119209776894]
  本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。 我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。 以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
  論文  参考訳（メタデータ） (2021-11-15T18:58:20Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)

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。