論文の概要: Machine Learning to study the impact of gender-based violence in the news media

• arxiv url: http://arxiv.org/abs/2012.07490v1
• Date: Fri, 27 Nov 2020 08:42:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 02:30:47.412527
• Title: Machine Learning to study the impact of gender-based violence in the news media
• Title（参考訳）: ニュースメディアにおけるジェンダーベースの暴力の影響を学習する機械学習
• Authors: Hugo J. Bello, Nora Palomar, Elisa Gallego, Lourdes Jim\'enez Navascu\'es and Celia Lozano
• Abstract要約: 性別に基づく暴力(GBV)は、被害者の健康、尊厳、安全、自治を損なう。 ここでは、このニュースの効果をGBVで説明するために機械学習ツールを使用します。 以上の結果から,GBVニュースと公衆の意識,メディア性GBV症例の影響,GBVニュースの本質的なテーマ的関係が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While it remains a taboo topic, gender-based violence (GBV) undermines the health, dignity, security and autonomy of its victims. Many factors have been studied to generate or maintain this kind of violence, however, the influence of the media is still uncertain. Here, we use Machine Learning tools to extrapolate the effect of the news in GBV. By feeding neural networks with news, the topic information associated with each article can be recovered. Our findings show a relationship between GBV news and public awareness, the effect of mediatic GBV cases, and the intrinsic thematic relationship of GBV news. Because the used neural model can be easily adjusted, this also allows us to extend our approach to other media sources or topics
• Abstract（参考訳）: 未だにタブー的な話題だが、性別に基づく暴力(GBV)は被害者の健康、尊厳、安全、自治を損なう。 この種の暴力を発生または維持するために多くの要因が研究されているが、メディアの影響はまだ不明である。 ここでは、このニュースの効果をGBVで説明するために機械学習ツールを使用します。 ニューラルネットワークにニュースを供給することにより、各記事に関連するトピック情報を復元することができる。 以上の結果から,GBVニュースと公衆の意識,メディア性GBV症例の影響,GBVニュースの本質的なテーマ的関係が示唆された。 使用中のニューラルモデルを簡単に調整できるので、他のメディアソースやトピックにもアプローチを拡張できます。

関連論文リスト

• Impact of Fake News on Social Media Towards Public Users of Different Age Groups [0.0]
  本研究では,偽ニュースがソーシャルメディア利用者にどのような影響を及ぼすかを検討した。 偽ニュースの識別・分類における機械学習モデルの有効性について検討した。
  論文  参考訳（メタデータ） (2024-11-08T15:32:20Z)
• Large language models for sentiment analysis of newspaper articles during COVID-19: The Guardian [0.16777183511743468]
  この研究は、新型コロナウイルスのさまざまな段階におけるガーディアン紙の感情分析を提供する。 パンデミックの初期段階では、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移した。 結果は、パンデミックの初期段階において、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移したことを示している。
  論文  参考訳（メタデータ） (2024-05-20T07:10:52Z)
• Visualizing Relation Between (De)Motivating Topics and Public Stance toward COVID-19 Vaccine [0.0]
  本研究では,新型コロナウイルス感染拡大に伴うTwitter圏内の話題を検査・分析するインタラクティブな可視化ツールを提案する。 このツールは、視覚分析のあらゆるシナリオに対して容易に一般化することができ、研究者や一般大衆のソーシャルメディアデータの透明性を高めることができる。
  論文  参考訳（メタデータ） (2023-06-21T09:01:53Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• Nothing Stands Alone: Relational Fake News Detection with Hypergraph Neural Networks [49.29141811578359]
  本稿では,ニュース間のグループ間相互作用を表現するためにハイパーグラフを活用することを提案する。 提案手法は,ラベル付きニュースデータの小さなサブセットであっても,優れた性能を示し,高い性能を維持する。
  論文  参考訳（メタデータ） (2022-12-24T00:19:32Z)
• Dynamics and triggers of misinformation on vaccines [0.552480439325792]
  われわれは、さまざまなソーシャルメディアプラットフォーム(Facebook、Instagram、Twitter、YouTube)におけるイタリアのワクチンに関する6年間の議論を分析している。 われわれはまず、ニュース制作時系列の象徴的転送エントロピー分析を用いて、ワクチンに関する議題を慎重に推進する、疑わしい、あるいは信頼できるソースのカテゴリを決定する。 次に、伝達されたスタンスに基づいてワクチン関連コンテンツを正確に分類し、話題を議論する深層学習モデルを活用する。
  論文  参考訳（メタデータ） (2022-07-25T15:35:48Z)
• Fragments of the Past: Curating Peer Support with Perpetrators of Domestic Violence [88.37416552778178]
  我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。 私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。 これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
  論文  参考訳（メタデータ） (2021-07-09T22:57:43Z)
• Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
  読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。 23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。 大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2021-04-18T09:50:11Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Machine Learning Explanations to Prevent Overtrust in Fake News Detection [64.46876057393703]
  本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。 我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。 説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
  論文  参考訳（メタデータ） (2020-07-24T05:42:29Z)
• A network perspective on intermedia agenda-setting [4.83420384410068]
  我々は、あるトピックに対して異なるニュースソース間の影響のネットワークを推論する方法論を提示することで、メディア間アジェンダ設定を運用する。 同じニュースソースが特定のトピックに対してアジェンダ・セッターとして機能し、他のトピックに対してフォロワーとして機能する。 同時に、ほとんどのトピックに関連する影響ネットワークは、小さな世界特性を示しており、ネットワーク内のニュースソースによって表現される感情の全体的多様性に重要な役割を担っていることがわかった。
  論文  参考訳（メタデータ） (2020-02-14T11:27:16Z)

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。