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
- 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) - How Much Hate with #china? A Preliminary Analysis on China-related
Hateful Tweets Two Years After the Covid Pandemic Began [1.713291434132985]
ドナルド・トランプ米大統領の「中国ウイルス」ツイートは、新型コロナウイルスの感染拡大の責任を中国と中国にシフトさせた。
本研究は、新型コロナウイルスのパンデミックの2年後のTwitter上での中国関連のヘイトスピーチを調べることを目的としている。
我々は、2020年の#chinaのツイートのヘイトフルレートが2.5%、2021年の1.9%であることを確認した。
論文 参考訳(メタデータ) (2022-11-11T10:48:00Z) - 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) - Addressing the Challenges of Cross-Lingual Hate Speech Detection [115.1352779982269]
本稿では,低リソース言語におけるヘイトスピーチ検出を支援するために,言語間移動学習に着目した。
言語間単語の埋め込みを利用して、ソース言語上でニューラルネットワークシステムをトレーニングし、ターゲット言語に適用します。
本研究では,ヘイトスピーチデータセットのラベル不均衡の問題について検討する。なぜなら,ヘイトサンプルと比較して非ヘイトサンプルの比率が高いことがモデル性能の低下につながることが多いからだ。
論文 参考訳(メタデータ) (2022-01-15T20:48:14Z) - Nipping in the Bud: Detection, Diffusion and Mitigation of Hate Speech
on Social Media [21.47216483704825]
本稿では,自動ヘイト緩和システムの構築を妨げる方法論的課題について述べる。
ソーシャルメディア上でのヘイトスピーチの拡散を制限するための一連のソリューションについて論じる。
論文 参考訳(メタデータ) (2022-01-04T03:44:46Z) - "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) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳(メタデータ) (2021-06-07T19:26:32Z) - 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。