論文の概要: Cognitive network science for understanding online social cognitions: A
brief review
- arxiv url: http://arxiv.org/abs/2102.12799v1
- Date: Thu, 25 Feb 2021 11:53:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-27 02:26:59.632459
- Title: Cognitive network science for understanding online social cognitions: A
brief review
- Title（参考訳）: オンライン社会認知を理解するための認知ネットワーク科学:短いレビュー
- Authors: Massimo Stella
- Abstract要約: ソーシャルメディアは、タイムラインや感情的コンテンツの観点から、大量のユーザーの認知をデジタル化している。
この研究は、認知ネットワーク科学がオンラインメディアを通じて認知を理解するための新しい定量的な方法を開く方法について概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media are digitalising massive amounts of users' cognitions in terms
of timelines and emotional content. Such Big Data opens unprecedented
opportunities for investigating cognitive phenomena like perception,
personality and information diffusion but requires suitable interpretable
frameworks. Since social media data come from users' minds, worthy candidates
for this challenge are cognitive networks, models of cognition giving structure
to mental conceptual associations. This work outlines how cognitive network
science can open new, quantitative ways for understanding cognition through
online media, like: (i) reconstructing how users semantically and emotionally
frame events with contextual knowledge unavailable to machine learning, (ii)
investigating conceptual salience/prominence through knowledge structure in
social discourse; (iii) studying users' personality traits like
openness-to-experience, curiosity, and creativity through language in posts;
(iv) bridging cognitive/emotional content and social dynamics via multilayer
networks comparing the mindsets of influencers and followers. These
advancements combine cognitive-, network- and computer science to understand
cognitive mechanisms in both digital and real-world settings but come with
limitations concerning representativeness, individual variability and data
integration. Such aspects are discussed along the ethical implications of
manipulating socio-cognitive data. In the future, reading cognitions through
networks and social media can expose cognitive biases amplified by online
platforms and relevantly inform policy making, education and markets about
massive, complex cognitive trends.
- Abstract（参考訳）: ソーシャルメディアは、タイムラインや感情的コンテンツの観点から、大量のユーザーの認知をデジタル化している。
このようなビッグデータは、知覚、パーソナリティ、情報拡散といった認知現象を調査する前例のない機会を開くが、適切な解釈可能な枠組みを必要とする。
ソーシャルメディアのデータはユーザの心から来ているため、この課題にふさわしい候補は認知ネットワーク、認知のモデルが精神的な概念的関連に構造を与える。
This work outlines how cognitive network science can open new, quantitative ways for understanding cognition through online media, like: (i) reconstructing how users semantically and emotionally frame events with contextual knowledge unavailable to machine learning, (ii) investigating conceptual salience/prominence through knowledge structure in social discourse; (iii) studying users' personality traits like openness-to-experience, curiosity, and creativity through language in posts; (iv) bridging cognitive/emotional content and social dynamics via multilayer networks comparing the mindsets of influencers and followers.
これらの進歩は、認知、ネットワーク、コンピュータ科学を組み合わせて、デジタルおよび現実世界の両方の設定における認知メカニズムを理解するが、代表性、個人可変性およびデータ統合に関する制限が伴う。
このような側面は、社会認知データを操作することの倫理的意義に沿って議論される。
将来的には、ネットワークやソーシャルメディアを通じての認識を読むことで、オンラインプラットフォームによって増幅された認知バイアスを露呈し、大規模で複雑な認知トレンドについてポリシー作りや教育、市場に対して適切な通知を行うことができる。
関連論文リスト
- Neural-Symbolic Reasoning over Knowledge Graphs: A Survey from a Query Perspective [55.79507207292647]
知識グラフ推論は、データマイニング、人工知能、Web、社会科学など、さまざまな分野において重要である。
ニューラルAIの台頭は、深層学習の頑健さと象徴的推論の精度を融合させることで、大きな進歩を見せている。
大規模言語モデル(LLM)の出現により、知識グラフ推論の新しいフロンティアが開かれた。
論文 参考訳（メタデータ） (2024-11-30T18:54:08Z) - Building Blocks to Empower Cognitive Internet with Hybrid Edge Cloud [0.0]
我々は、Cognitive InternetはCognitive Internet of Things(Cognitive IoT)を越えていると主張している。
Mobile InternetやCognitive IoTとは異なり、Cognitive Internetはネットワーク全体のコラボレーティブインテリジェンスを統合している。
本稿では,「認知インターネット」パラダイムの基本要素,特徴,メリット,産業的影響について述べる。
論文 参考訳（メタデータ） (2024-01-10T19:43:52Z) - Influence of External Information on Large Language Models Mirrors
Social Cognitive Patterns [51.622612759892775]
社会的認知理論は、人々が他人を観察して知識を習得する方法を説明する。
近年,大規模言語モデル(LLM)の急速な発展を目撃している。
LLMは、AIエージェントとして、その認知と行動を形成する外部情報を観察することができる。
論文 参考訳（メタデータ） (2023-05-08T16:10:18Z) - Memory-Augmented Theory of Mind Network [59.9781556714202]
社会的推論は、心の理論(ToM)の能力を必要とする。
ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。
我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。
この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
論文 参考訳（メタデータ） (2023-01-17T14:48:58Z) - Self-supervised Hypergraph Representation Learning for Sociological
Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。
まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。
第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-12-22T01:20:29Z) - A Novel Multimodal Approach for Studying the Dynamics of Curiosity in
Small Group Learning [2.55061802822074]
本稿では,仲間の観察可能な行動と根底にある好奇心状態とを結びつける,好奇心の統合社会認知的記述を提案する。
我々は、好奇心に寄与する個人機能と対人機能と、これらの機能を満たすマルチモーダル動作を区別する。
この研究は、社会的文脈における学習中にモーメント・バイ・モーメントの好奇心を認識して誘発できる学習技術を設計するためのステップである。
論文 参考訳（メタデータ） (2022-04-01T16:12:40Z) - 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) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳（メタデータ） (2022-01-20T17:07:03Z) - Social Neuro AI: Social Interaction as the "dark matter" of AI [0.0]
我々は、社会心理学と社会神経科学の実証結果と力学の枠組みが、よりインテリジェントな人工エージェントの開発にインスピレーションを与えることができると主張している。
論文 参考訳（メタデータ） (2021-12-31T13:41:53Z) - Network psychometrics and cognitive network science open new ways for
detecting, understanding and tackling the complexity of math anxiety: A
review [0.0]
数学不安は、数学に関連する文脈における認知処理を損なう臨床病理である。
世界64の教育システムのうち、63の学生の約20%に影響するが、学業成績と相関が弱い。
これは、学生の幸福感、計算リテラシー、そして科学におけるキャリアの見通しに具体的な脅威をもたらす。
論文 参考訳（メタデータ） (2021-08-31T12:43:43Z) - Social Behaviour Understanding using Deep Neural Networks: Development
of Social Intelligence Systems [2.107969466194361]
ソーシャル・コンピューティングは、ソーシャル・インテリジェンス・システムの誕生に向けて、社会情報学を超えて進化してきた。
本稿では,深層ニューラルネットワークを用いた社会的行動理解フレームワークを提案する。
うつ病の検出、活動認識、認知障害スクリーニングを含む3つのシステムは、明らかに社会的知性の重要性を示すために開発されている。
論文 参考訳（メタデータ） (2021-05-20T03:19:55Z)
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。