論文の概要: Self-harm: detection and support on Twitter
- arxiv url: http://arxiv.org/abs/2104.00174v1
- Date: Thu, 1 Apr 2021 00:39:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-03 06:49:08.622780
- Title: Self-harm: detection and support on Twitter
- Title（参考訳）: self-harm: twitterにおける検出とサポート
- Authors: Muhammad Abubakar Alhassan, Isa Inuwa-Dutse, Bello Shehu Bello, Diane
Pennington
- Abstract要約: 私たちはTwitterを使って関連データを収集し、分析し、ユーザーを自己害する傾向があります。
我々は,自傷者,自傷者,支援者,回復者,自己傷者および危険者からなる自傷者の主要な6つのカテゴリを同定した。
本研究は,ソーシャルメディアを,自傷行為の悪影響を緩和するための積極的な措置を支援するツールとして使用できる,という前提に基づいている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the advent of online social media platforms such as Twitter and
Facebook, useful health-related studies have been conducted using the
information posted by online participants. Personal health-related issues such
as mental health, self-harm and depression have been studied because users
often share their stories on such platforms. Online users resort to sharing
because the empathy and support from online communities are crucial in helping
the affected individuals. A preliminary analysis shows how contents related to
non-suicidal self-injury (NSSI) proliferate on Twitter. Thus, we use Twitter to
collect relevant data, analyse, and proffer ways of supporting users prone to
NSSI behaviour. Our approach utilises a custom crawler to retrieve relevant
tweets from self-reporting users and relevant organisations interested in
combating self-harm. Through textual analysis, we identify six major categories
of self-harming users consisting of inflicted, anti-self-harm, support seekers,
recovered, pro-self-harm and at risk. The inflicted category dominates the
collection. From an engagement perspective, we show how online users respond to
the information posted by self-harm support organisations on Twitter. By noting
the most engaged organisations, we apply a useful technique to uncover the
organisations' strategy. The online participants show a strong inclination
towards online posts associated with mental health related attributes. Our
study is based on the premise that social media can be used as a tool to
support proactive measures to ease the negative impact of self-harm.
Consequently, we proffer ways to prevent potential users from engaging in
self-harm and support affected users through a set of recommendations. To
support further research, the dataset will be made available for interested
researchers.
- Abstract（参考訳）: twitterやfacebookのようなオンラインソーシャルメディアプラットフォームが出現して以来、オンライン参加者が投稿した情報を用いて有用な健康関連研究が行われている。
メンタルヘルス、セルフハーム、抑うつなどの個人の健康関連の問題は、ユーザーがそのようなプラットフォームでストーリーを共有することが多いため研究されている。
オンライン利用者は、オンラインコミュニティからの共感とサポートが、影響を受けた個人を助けるために重要であるため、共有に頼る。
nsi(non-suicidal self-injury)に関連するコンテンツがtwitter上でどのように増殖するかを予備分析した。
そこで我々はtwitterを用いて,nssiの行動に関連のあるデータを収集し,分析し,ユーザを支援する方法を習得する。
独自のクローラを用いて,自己申告ユーザや自傷行為の対処に関心のある関連組織から関連ツイートを検索する。
テキスト分析により,自傷者,自傷者,支援者,回復者,自傷者,危険者の6つの主要カテゴリを識別した。
付与されたカテゴリーがコレクションを支配します。
エンゲージメントの観点から,twitter上で自傷支援団体が投稿した情報に対して,オンラインユーザがどのように反応するかを示す。
最も活発な組織に注目することで、組織の戦略を明らかにする上で有用なテクニックを適用します。
オンライン参加者は、メンタルヘルス関連属性に関連するオンライン投稿に対する強い傾向を示す。
本研究は,ソーシャルメディアを,自傷行為の悪影響を緩和するための積極的な措置を支援するツールとして使用できる,という前提に基づいている。
そこで,本研究では,潜在的ユーザによる自傷行為の防止と,影響を受けたユーザへの支援を,一連のレコメンデーションを通じて提案する。
さらなる研究を支援するために、データセットは興味のある研究者に提供される。
関連論文リスト
- The Role of Likes: How Online Feedback Impacts Users' Mental Health [1.0156836684627544]
オンラインフィードバックがユーザーの感情体験、社会的つながり、自尊心に与える影響を分析した。
他者からの反応がほとんどないし全くないことから,ユーザの否定的な感情を誘発するだけでなく,自己評価の低レベルも引き起こすことがわかった。
対照的に、オンラインのフィードバックを非常に肯定的に受け取り、社会的つながりの感情を誘発し、全体的な孤独を減少させる。
論文 参考訳（メタデータ） (2023-12-19T07:48:10Z) - Who can help me? Reconstructing users' psychological journeys in
depression-related social media interactions [0.13194391758295113]
うつ病に関するいくつかのメンタルヘルス関連Redditボードを調査した。
ユーザの心理的・言語的プロファイルを社会的相互作用とともに再構築する。
我々のアプローチは、ソーシャルメディアを通じてメンタルヘルス問題に対処する、データインフォームドな理解への道を開く。
論文 参考訳（メタデータ） (2023-11-29T14:45:11Z) - Critical Behavioral Traits Foster Peer Engagement in Online Mental
Health Communities [28.17719749654601]
10,118件以上の投稿と、21のメンタルヘルス固有のサブレディットからの58,279件のコメントからなる、ピアカウンセリングデータセットであるBeCOPEを紹介した。
分析の結果, 「自己批判」は, ヘルプシーカーが表現する批判の最も一般的な形態であり, 相互作用の43%を占めることが明らかとなった。
本稿では, 高い可読性は, 追従支援を受ける確率を効果的に2倍にすることを示す。
論文 参考訳（メタデータ） (2023-09-04T14:00:12Z) - LOST: A Mental Health Dataset of Low Self-esteem in Reddit Posts [4.6071451559137175]
低自尊心と対人欲求は、うつ病や自殺の試みに大きな影響を及ぼす。
個人は、孤独を増進し緩和するためにソーシャルメディア上の社会的つながりを求めます。
Reddit上での低自己評価を研究・検出するために,心理学的根拠と専門的な注釈付きデータセット,LoST: Low Self esTeemを紹介した。
論文 参考訳（メタデータ） (2023-06-08T23:52:35Z) - Chatbots for Mental Health Support: Exploring the Impact of Emohaa on
Reducing Mental Distress in China [50.12173157902495]
調査には134人の参加者が参加し、Emohaa(CBT)、Emohaa(Full)、コントロールの3つのグループに分けられた。
Emohaaは、CBTベースのエクササイズとガイド付き会話を通じて認知的支援を提供する会話エージェントである。
また、ユーザーが望む感情的な問題を経験できるようにすることで、ユーザーを感情的に支援する。
論文 参考訳（メタデータ） (2022-09-21T08:23:40Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - Suicidal Ideation Detection on Social Media: A Review of Machine
Learning Methods [0.34265828682659694]
ソーシャルメディアにおける自殺観念と行動を特定するために多くの研究がなされている。
本稿では,ソーシャルメディア上での機械学習アルゴリズムを用いた自殺思考の検出に関する最近の研究成果について概説する。
論文 参考訳（メタデータ） (2022-01-25T18:23:47Z) - 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) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。
本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
論文 参考訳（メタデータ） (2020-04-28T23:54:33Z)
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。