論文の概要: Evaluating the Impact of COVID-19 on Cyberbullying through Bayesian Trend Analysis

• arxiv url: http://arxiv.org/abs/2009.02126v1
• Date: Sat, 8 Aug 2020 00:01:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-06 19:54:03.253462
• Title: Evaluating the Impact of COVID-19 on Cyberbullying through Bayesian Trend Analysis
• Title（参考訳）: ベイジアントレンド分析による新型コロナウイルスのサイバーいじめへの影響評価
• Authors: Sayar Karmakar, Sanchari Das
• Abstract要約: サイバーいじめに関連する公開ツイート(N=454,046)が2020年1月1日から6月7日まで投稿された。 この新しいベイズ方式は、2020年3月中旬以降、サイバーいじめに関連するツイートの上昇傾向をはっきりと示している。 我々の研究は、サイバーいじめの重大な問題と、世界的危機がソーシャルメディアの悪用にどのように影響するかを強調している。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: COVID-19's impact has surpassed from personal and global health to our social life. In terms of digital presence, it is speculated that during pandemic, there has been a significant rise in cyberbullying. In this paper, we have examined the hypothesis of whether cyberbullying and reporting of such incidents have increased in recent times. To evaluate the speculations, we collected cyberbullying related public tweets (N=454,046) posted between January 1st, 2020 -- June 7th, 2020. A simple visual frequentist analysis ignores serial correlation and does not depict changepoints as such. To address correlation and a relatively small number of time points, Bayesian estimation of the trends is proposed for the collected data via an autoregressive Poisson model. We show that this new Bayesian method detailed in this paper can clearly show the upward trend on cyberbullying-related tweets since mid-March 2020. However, this evidence itself does not signify a rise in cyberbullying but shows a correlation of the crisis with the discussion of such incidents by individuals. Our work emphasizes a critical issue of cyberbullying and how a global crisis impacts social media abuse and provides a trend analysis model that can be utilized for social media data analysis in general.
• Abstract（参考訳）: 新型コロナウイルスの影響は、個人や世界の健康から社会生活に及んでいる。 デジタルプレゼンスに関しては、パンデミックの間、サイバーいじめが著しく増加していると推測されている。 本稿では,近年,サイバーいじめや報告が増加しているのではないかという仮説について検討した。 推測を評価するため、2020年1月1日から2020年6月7日までに投稿された、サイバーいじめに関連する公開ツイート(N=454,046)を収集した。 単純な視覚的頻繁性分析はシリアル相関を無視し、変更点を描写しない。 相関と比較的少ない時間点に対処するため, 自己回帰ポアソンモデルを用いて, 収集データに対するトレンドのベイズ推定を提案する。 本稿では,2020年3月中旬以降のサイバーいじめ関連ツイートの上昇傾向を,このベイズ的手法で明らかに示す。 しかし、この証拠自体がサイバーいじめの増加を示すものではなく、個人によるこのような出来事の議論と危機の相関を示すものである。 我々の研究は、サイバーいじめの重大な問題と、世界的危機がソーシャルメディアの悪用に与える影響を強調し、ソーシャルメディアデータ解析全般に利用できるトレンド分析モデルを提供する。

関連論文リスト

• Sentiment Analysis of Cyberbullying Data in Social Media [0.0]
  我々の研究は、ソーシャルメディア投稿におけるいじめの痕跡を検出するために、ディープラーニングと自然言語理解技術を活用することに焦点を当てている。 1つのアプローチではBERT埋め込みを使用し、もう1つはOpenAIから最近リリースされた埋め込みAPIに埋め込みレイヤを置き換える。 フォームスプリング型サイバーバブルデータにおける感情分析の有効性を評価するために,これらの2つの手法の性能比較を行った。
  論文  参考訳（メタデータ） (2024-11-08T20:41:04Z)
• Explain Thyself Bully: Sentiment Aided Cyberbullying Detection with Explanation [52.3781496277104]
  さまざまなソーシャルメディアネットワークやオンラインコミュニケーションアプリの人気により、サイバーいじめが大きな問題になっている。 一般データ保護規則の「説明の権利」のような近年の法律は、解釈可能なモデルの開発に拍車をかけた。 我々は,コード混在言語からの自動サイバーバブル検出のための,mExCBと呼ばれる最初の解釈可能なマルチタスクモデルを開発した。
  論文  参考訳（メタデータ） (2024-01-17T07:36:22Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• An Investigative Model of Adult Cyberbullying: A Court Case Analysis [0.0]
  この研究は、特に成人向けに開発されたサイバーいじめに関する調査モデルを開発した。 モデルは、いじめのアイデアの概念から標的の識別からいじめへのサイバーいじめの旅を行動として考える。 a-prioriモデルは、オーストラリア、カナダ、米国、スコットランドの20件のサイバーいじめ裁判で検証される。
  論文  参考訳（メタデータ） (2021-10-27T00:24:01Z)
• Are socially-aware trajectory prediction models really socially-aware? [75.36961426916639]
  我々は,予測モデルの社会的理解を評価するために,社会的に意図された攻撃を導入する。 攻撃は、予測器を失敗させるため、小さなが慎重に構成された摂動である。 我々の攻撃は、最先端モデルの社会的理解を高めるために有効であることを示す。
  論文  参考訳（メタデータ） (2021-08-24T17:59:09Z)
• Enhancing the Identification of Cyberbullying through Participant Roles [1.399948157377307]
  本稿では,ロールモデリングによるサイバーバブル検出の高度化に向けた新しいアプローチを提案する。 我々は、ASKfmからのデータセットを利用してマルチクラス分類を行い、参加者の役割を検出する。
  論文  参考訳（メタデータ） (2020-10-13T19:13:07Z)
• Change-Point Analysis of Cyberbullying-Related Twitter Discussions During COVID-19 [1.2891210250935146]
  ソーシャルメディアの利用も増加しており、これがサイバーいじめを引き起こした疑いが持たれている。 この傾向を評価するために、2020年1月1日から2020年6月7日までに投稿された454,046件のサイバーいじめに関連する公開ツイートを収集しました。 ほぼすべての変更点のタイムロケーションは、新型コロナウイルス(COVID-19)によるもので、Twitter上での議論の分析を通じて、サイバーいじめの増加に関する最初の仮説を裏付けるものだ。
  論文  参考訳（メタデータ） (2020-08-07T22:50:42Z)
• Adversarial Fooling Beyond "Flipping the Label" [54.23547006072598]
  CNNは、多くの重要なタスクにおいて、人間に近いか、人間のパフォーマンスよりも優れていることを示す。 これらの攻撃は、実際の展開において潜在的に危険である。 異なるCNNアーキテクチャの集合に対するいくつかの重要な敵攻撃を包括的に分析する。
  論文  参考訳（メタデータ） (2020-04-27T13:21:03Z)
• Aggressive, Repetitive, Intentional, Visible, and Imbalanced: Refining Representations for Cyberbullying Classification [4.945634077636197]
  本研究では,その社会的・言語的側面を表現するために,5つの明確な要因を用いて,サイバーいじめのニュアンスな問題を考察する。 これらの結果は、サイバーいじめを社会現象として表現し、モデル化することの重要性を示している。
  論文  参考訳（メタデータ） (2020-04-04T00:35:16Z)

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。