論文の概要: Social Media Unrest Prediction during the {COVID}-19 Pandemic: Neural
Implicit Motive Pattern Recognition as Psychometric Signs of Severe Crises
- arxiv url: http://arxiv.org/abs/2012.04586v1
- Date: Tue, 8 Dec 2020 17:40:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 02:11:45.319456
- Title: Social Media Unrest Prediction during the {COVID}-19 Pandemic: Neural
Implicit Motive Pattern Recognition as Psychometric Signs of Severe Crises
- Title（参考訳）: covid}-19パンデミックにおけるソーシャルメディアの不安予測--重篤な危機の心理指標としての神経暗黙的モチベーションパターン認識
- Authors: Dirk Johann{\ss}en, Chris Biemann
- Abstract要約: 心理的に検証された社会的不安予測器を提示し,スケーラブルで自動的な予測を再現する。
私たちはこのモデルを使って、新型コロナウイルスのパンデミックによる社会不安に対する言語の変化を調査します。
- 参考スコア（独自算出の注目度）: 26.447165399064552
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic has caused international social tension and unrest.
Besides the crisis itself, there are growing signs of rising conflict potential
of societies around the world. Indicators of global mood changes are hard to
detect and direct questionnaires suffer from social desirability biases.
However, so-called implicit methods can reveal humans intrinsic desires from
e.g. social media texts. We present psychologically validated social unrest
predictors and replicate scalable and automated predictions, setting a new
state of the art on a recent German shared task dataset. We employ this model
to investigate a change of language towards social unrest during the COVID-19
pandemic by comparing established psychological predictors on samples of tweets
from spring 2019 with spring 2020. The results show a significant increase of
the conflict indicating psychometrics. With this work, we demonstrate the
applicability of automated NLP-based approaches to quantitative psychological
research.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックは国際社会の緊張と不安を引き起こしている。
危機そのものに加えて、世界中の社会の紛争の可能性が高まっている。
グローバルな気分変化の指標は検出が困難であり、直接的なアンケートは社会的望ましくないバイアスに悩まされる。
しかし、いわゆる暗黙の方法は人間の本質的な欲求を明らかにする。
ソーシャルメディアのテキスト
我々は心理的に検証された社会的不安予測器を示し、スケーラブルで自動化された予測を再現し、最近のドイツの共有タスクデータセットに新しい状態を設定する。
このモデルを用いて、2019年春から2020年春にかけてのツイートのサンプルに対して、確立した心理学的予測因子を比較し、新型コロナウイルスパンデミックにおける社会不安への言語変化を調査する。
その結果,精神測定値を示す対立は有意に増加した。
本研究では,NLPに基づく自動的アプローチの定量的心理学的研究への適用性を示す。
関連論文リスト
- Predicting Depression and Anxiety: A Multi-Layer Perceptron for
Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。
本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。
このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
論文 参考訳（メタデータ） (2024-03-09T22:49:04Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳（メタデータ） (2024-02-19T18:00:30Z) - Inducing anxiety in large language models can induce bias [47.85323153767388]
我々は、確立された12の大規模言語モデル(LLM)に焦点を当て、精神医学でよく用いられる質問紙に答える。
以上の結果から,最新のLSMの6つが不安アンケートに強く反応し,人間に匹敵する不安スコアが得られた。
不安誘発は、LSMのスコアが不安アンケートに影響を及ぼすだけでなく、人種差別や老化などの偏見を測る以前に確立されたベンチマークにおいて、それらの行動に影響を及ぼす。
論文 参考訳（メタデータ） (2023-04-21T16:29:43Z) - Wearable Sensor-based Multimodal Physiological Responses of Socially
Anxious Individuals across Social Contexts [7.85990334927929]
本研究では,様々な社会的文脈で生理的応答を評価する実験を対象とし,受動的に収集したデータを用いて実験を行った。
以上の結果から,社会的文脈は社会的相,集団規模,社会的脅威のレベルよりも確実に識別可能であることが示唆された。
論文 参考訳（メタデータ） (2023-04-03T18:34:54Z) - Neural Theory-of-Mind? On the Limits of Social Intelligence in Large LMs [77.88043871260466]
私たちは、今日の最大の言語モデルのひとつに、このようなソーシャルインテリジェンスを最初から欠いていることを示しています。
我々は、人中心のNLPアプローチは、マインドの神経理論に対してより効果的であるかもしれないと結論づける。
論文 参考訳（メタデータ） (2022-10-24T14:58:58Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - 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) - When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
感情をラベル付けした1万ツイートのCovidEmoを紹介します。
事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
論文 参考訳（メタデータ） (2021-07-23T04:07:14Z) - Capturing social media expressions during the COVID-19 pandemic in
Argentina and forecasting mental health and emotions [0.802904964931021]
アルゼンチンで発生したCOVID-19パンデミックの際の精神状態や感情は、ソーシャルメディアで使われる言語表現に基づいて予測する。
メンタルヘルスの状況と感情は、ソーシャルメディアの内容とレキシコンを結びつけるマーカーを介してキャプチャされる。
論文 参考訳（メタデータ） (2021-01-12T15:15:31Z) - Tracking the evolution of crisis processes and mental health on social
media during the COVID-19 pandemic [0.90238471756546]
本研究は,危機対応と回復の段階を社会学的問題として検討することを目的とする。
アルゼンチンで2020年3月から8月にかけて行われた大量のTwitterデータに基づいて、ソーシャルメディア投稿で使用される言語の違いをテーマ分析した。
論文 参考訳（メタデータ） (2020-11-22T14:30:09Z) - How Epidemic Psychology Works on Twitter: Evolution of responses to the
COVID-19 pandemic in the U.S [4.051767490231935]
我々は、2020年中に米国に投稿された新型コロナウイルスのパンデミックに関連する122万ツイートの言語の使用について調査する。
拒否の段階では、他国での死者の増加にもかかわらず、ユーザーは現実を受け入れることを拒んだ。
怒りの段階において、利用者の恐怖は、物事が変わろうとしているという荒れ果てた感情に対する怒りに変換された。
最後に、当局が身体距離対策を課した後の受け入れ段階において、利用者は日常活動の「新しい正常」に落ち着いた。
論文 参考訳（メタデータ） (2020-07-26T16:22:23Z)
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。