論文の概要: Correcting public opinion trends through Bayesian data assimilation

• arxiv url: http://arxiv.org/abs/2105.14276v1
• Date: Sat, 29 May 2021 11:39:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 17:56:08.933434
• Title: Correcting public opinion trends through Bayesian data assimilation
• Title（参考訳）: ベイズデータ同化による世論トレンドの補正
• Authors: Robin Hendrickx, Rossella Arcucci, Julio Amador D{\i}az Lopez, Yi-Ke Guo, and Mark Kennedy
• Abstract要約: 世論を測ることが民主選挙における重要な焦点である。 従来のサーベイポーリングは依然として最も一般的な推定手法である。 Twitterの意見マイニングはこれらの問題に対処しようとしている。
• 参考スコア（独自算出の注目度）: 8.406968279478347
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Measuring public opinion is a key focus during democratic elections, enabling candidates to gauge their popularity and alter their campaign strategies accordingly. Traditional survey polling remains the most popular estimation technique, despite its cost and time intensity, measurement errors, lack of real-time capabilities and lagged representation of public opinion. In recent years, Twitter opinion mining has attempted to combat these issues. Despite achieving promising results, it experiences its own set of shortcomings such as an unrepresentative sample population and a lack of long term stability. This paper aims to merge data from both these techniques using Bayesian data assimilation to arrive at a more accurate estimate of true public opinion for the Brexit referendum. This paper demonstrates the effectiveness of the proposed approach using Twitter opinion data and survey data from trusted pollsters. Firstly, the possible existence of a time gap of 16 days between the two data sets is identified. This gap is subsequently incorporated into a proposed assimilation architecture. This method was found to adequately incorporate information from both sources and measure a strong upward trend in Leave support leading up to the Brexit referendum. The proposed technique provides useful estimates of true opinion, which is essential to future opinion measurement and forecasting research.
• Abstract（参考訳）: 世論測定は民主選挙において重要な焦点であり、候補者は人気を測り、選挙戦略を変えることができる。 従来の調査ポーリングは、コストと時間インテンシティ、測定エラー、リアルタイム能力の欠如、世論の遅れにもかかわらず、最も人気のある見積もり手法である。 近年、twitterの意見マイニングはこれらの問題と闘おうと試みている。 有望な結果を得たにもかかわらず、非代表的なサンプル人口や長期的な安定性の欠如といった独自の欠点を経験する。 本稿では,両手法のデータをベイズデータ同化を用いて統合し,eu離脱後の世論をより正確に推定することを目的とする。 本稿では,twitterの意見データと信頼度調査データを用いた提案手法の有効性を示す。 まず、2つのデータセットの間に16日間の時間間隔が存在する可能性を特定する。 このギャップはその後、提案された同化アーキテクチャに組み込まれる。 この方法は、両情報源からの情報を適切に取り込み、ブレグジット後の離脱支援の強い上昇傾向を測定することが判明した。 提案手法は,将来的な意見測定と予測研究に不可欠である真の意見の推定に有用である。

関連論文リスト

• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Predicting the 2020 US Presidential Election with Twitter [0.0]
  ソーシャルメディアデータを利用した選挙予測は、選挙戦略に大きな影響を与える可能性がある。 本稿は、Twitterデータを用いた2020年アメリカ合衆国大統領選挙の分析・予測における過去の成功方法について考察する。 これはデータの不足による選挙予測の正確な方法であるかどうかについては不確定である。
  論文  参考訳（メタデータ） (2021-07-19T14:59:25Z)
• Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty in Election Polls [56.8172499765118]
  我々は、今放送と予測におけるバイアスの潜在的な源について論じる。 概念は、誤認識された正確性の問題を軽減するために提示される。 主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
  論文  参考訳（メタデータ） (2021-04-28T07:02:24Z)
• Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy [61.60099467888073]
  管理データのリンクによって,バイアスに対するモビリティデータの監査が可能かを示す。 我々は、高齢者や非白人の有権者が移動データによって捕えられる可能性が低いことを示した。 このような移動データに基づく公衆衛生資源の配分は、高リスク高齢者や少数民族に不当に害を与える可能性があることを示す。
  論文  参考訳（メタデータ） (2020-11-14T02:04:14Z)
• Face Off: Polarized Public Opinions on Personal Face Mask Usage during the COVID-19 Pandemic [77.34726150561087]
  様々な政府機関による一連の政策変更は、フェイスマスクの偏光に寄与したと推測されている。 新型コロナウイルスの感染拡大に伴う米国でのマスクに対する国民の感情を正確に評価するための新しいアプローチを提案する。 2つの重要な政策シフトの出来事が、共和党と民主党の両方の感情の統計的に重要な変化に寄与している。
  論文  参考訳（メタデータ） (2020-10-31T18:52:41Z)
• Using Online Implicit Association Tests in Opinion Polling [2.102846336724103]
  我々は、現代の不正確な世論調査の理由の一つとして、社会的に望ましい反応(shy voting)の現象を分析した。 我々は,従来の世論調査にIATを取り入れることについて論じるとともに,これらがオンラインで正確に実施可能であることを指摘する。
  論文  参考訳（メタデータ） (2020-07-08T15:16:15Z)
• Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
  本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。 全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-06-15T18:12:12Z)
• Electoral Forecasting Using a Novel Temporal Attenuation Model: Predicting the US Presidential Elections [91.3755431537592]
  予備選別世論調査データを用いて予測精度を向上させる新しいマクロスケール時間減衰(TA)モデルを開発した。 我々の仮説は、世論調査を公表するタイミングは、特に選挙直前の世論の変動に重要な役割を果たす、というものである。 我々は,48年間の平均予測誤差2.8-3.28点を蓄積するTAモデルの2つの異なる実装を提案する。
  論文  参考訳（メタデータ） (2020-04-30T09:21:52Z)
• Measuring relative opinion from location-based social media: A case study of the 2016 U.S. presidential election [0.0]
  ソーシャルメディアは世論調査の代替手段になりつつある。 本研究の目的は,1)ソーシャルメディアから世論定量化が可能であるか,2)世論調査よりも優れた,あるいは相補的な評価を得られるか,という2つの問いに答えることである。
  論文  参考訳（メタデータ） (2020-02-03T16:01:48Z)

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。