論文の概要: Understanding peacefulness through the world news
- arxiv url: http://arxiv.org/abs/2106.00306v1
- Date: Tue, 1 Jun 2021 08:24:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-02 22:22:23.213811
- Title: Understanding peacefulness through the world news
- Title（参考訳）: 世界ニュースを通して平和を理解する
- Authors: Vasiliki Voukelatou, Ioanna Miliou, Fosca Giannotti, Luca Pappalardo
- Abstract要約: 我々は,GDELT(Global Data on Events, Location, and Tone)デジタルニュースデータベースから抽出した情報を利用して,GPI(Global Peace Index)を通して平和性を捉える。
予測機械学習モデルを用いることで,GDELTからのニュースメディアの注目度を,GPIを月次レベルで測定するためのプロキシとして利用できることを示す。
- 参考スコア（独自算出の注目度）: 1.6975704972827304
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Peacefulness is a principal dimension of well-being for all humankind and is
the way out of inequity and every single form of violence. Thus, its
measurement has lately drawn the attention of researchers and policy-makers.
During the last years, novel digital data streams have drastically changed the
research in this field. In the current study, we exploit information extracted
from Global Data on Events, Location, and Tone (GDELT) digital news database,
to capture peacefulness through the Global Peace Index (GPI). Applying
predictive machine learning models, we demonstrate that news media attention
from GDELT can be used as a proxy for measuring GPI at a monthly level.
Additionally, we use the SHAP methodology to obtain the most important
variables that drive the predictions. This analysis highlights each country's
profile and provides explanations for the predictions overall, and particularly
for the errors and the events that drive these errors. We believe that digital
data exploited by Social Good researchers, policy-makers, and peace-builders,
with data science tools as powerful as machine learning, could contribute to
maximize the societal benefits and minimize the risks to peacefulness.
- Abstract（参考訳）: 平和性は全ての人類にとって幸福の主要な次元であり、不平等とあらゆる形態の暴力から抜け出す方法である。
そのため、近年は研究者や政策立案者の注目を集めている。
ここ数年、新しいデジタルデータストリームがこの分野の研究を大きく変えてきた。
本研究は,GDELT(Global Data on Events, Location, and Tone)デジタルニュースデータベースから抽出した情報を利用して,GPI(Global Peace Index)を通して平和性を捉えている。
予測機械学習モデルを適用することで,gdeltによるニュースメディアの注目度を月単位のgpi測定の指標として利用できることを示す。
さらに、shap方法論を使用して、予測を駆動する最も重要な変数を取得します。
この分析は各国のプロファイルを強調し、全体的な予測、特にこれらのエラーを駆動するエラーやイベントについての説明を提供する。
社会善研究者、政策立案者、平和構築者が活用するデジタルデータは、機械学習と同じくらい強力なデータサイエンスツールによって、社会的利益の最大化と平和へのリスクの最小化に寄与すると考えている。
関連論文リスト
- Predicting Country Instability Using Bayesian Deep Learning and Random Forest [0.0]
国が不安定であることは世界的な問題であり、社会経済の成長を妨げ、ネガティブな結果をもたらす可能性がある。
Global Database of Activity, Voice, and Tone (GDELT Project)は、毎日100以上の言語で放送、印刷、ウェブニュースを記録している。
我々の研究の主な目的は、我々のデータがより輝かしくきめ細かな粒度を増すとき、より複雑な政治的対立の方法論的分析を行うことができるかを調べることである。
論文 参考訳（メタデータ） (2024-11-11T00:23:03Z) - dsld: A Socially Relevant Tool for Teaching Statistics [3.314894584156197]
Data Science Looks At Discrimination (dsld)は、保護されたグループに関連する可能性のある識別を評価するための統計的およびグラフィカルな手法の包括的なツールキットをユーザに提供するために設計されたRとPythonパッケージである。
我々のソフトウェアは、予測モデルにおけるバイアスを減らす方法とともに、共起変数の識別と緩和による識別分析のための技術を提供する。
80ページに及ぶQuartoの本は、統計教育者から法律専門家まで、これらの分析ツールを現実世界のシナリオに効果的に適用するユーザをさらに支援している。
論文 参考訳（メタデータ） (2024-11-06T19:50:00Z) - Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-24T14:01:53Z) - Predicting Temperature of Major Cities Using Machine Learning and Deep
Learning [0.0]
我々は,大都市における気温変化を構成するデイトン大学が作成したデータベースを用いて,将来いつでも異なる都市の気温を予測する。
この文書には、このような予測を行うための方法論が含まれています。
論文 参考訳（メタデータ） (2023-09-23T10:23:00Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - PADME-SoSci: A Platform for Analytics and Distributed Machine Learning
for the Social Sciences [4.294774517325059]
PADMEは、モデルの実装とトレーニングを連携させる分散分析ツールである。
これにより、すべてのデータが単一の場所にあるかのようにモデルをトレーニングしながら、ロケーションをまたいだデータ分析が可能になる。
論文 参考訳（メタデータ） (2023-03-27T15:32:35Z) - Citation Trajectory Prediction via Publication Influence Representation
Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。
本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。
APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文 参考訳（メタデータ） (2022-10-02T07:43:26Z) - A Survey of Learning on Small Data: Generalization, Optimization, and
Challenge [101.27154181792567]
ビッグデータの一般化能力を近似した小さなデータについて学ぶことは、AIの究極の目的の1つである。
この調査はPACフレームワークの下でのアクティブサンプリング理論に従い、小さなデータにおける学習の一般化誤差とラベルの複雑さを分析した。
効率的な小さなデータ表現の恩恵を受けるかもしれない複数のデータアプリケーションについて調査する。
論文 参考訳（メタデータ） (2022-07-29T02:34:19Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳（メタデータ） (2022-06-30T17:59:14Z) - On the limits of algorithmic prediction across the globe [4.392517231156947]
米国のデータに基づいてトレーニングされた最先端の機械学習モデルは、高い精度で達成を予測でき、同等の精度で他の先進国に一般化できる。
同じモデルを全国データでトレーニングすると、各国で高い精度が得られ、ローカルデータ収集の価値が強調される。
論文 参考訳（メタデータ） (2021-03-28T19:53:18Z)
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。