論文の概要: Pro or Anti? A Social Influence Model of Online Stance Flipping
- arxiv url: http://arxiv.org/abs/2106.11076v2
- Date: Sat, 16 Jul 2022 12:40:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-25 23:15:10.423387
- Title: Pro or Anti? A Social Influence Model of Online Stance Flipping
- Title（参考訳）: プロかアンチか?
オンラインスタンス・フリップの社会的影響モデル
- Authors: Lynnette Hui Xian Ng and Kathleen Carley
- Abstract要約: そこで本研究では、新型コロナウイルスに対する姿勢転換の恐れのあるTwitterエージェントを特定するために、姿勢転換予測問題を提案する。
具体的には、各エージェントが一定の自然的姿勢を持ち、変化に対する抵抗を反映した姿勢の信念を持つ社会的影響モデルを設計する。
2020年4月から2021年5月までに収集されたデータから、我々のモデルは姿勢を反転させるエージェントの精度を86%向上させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Social influence characterizes the change of an individual's stances in a
complex social environment towards a topic. Two factors often govern the
influence of stances in an online social network: endogenous influences driven
by an individual's innate beliefs through the agent's past stances and
exogenous influences formed by social network influence between users. Both
endogenous and exogenous influences offer important cues to user
susceptibility, thereby enhancing the predictive performance on stance changes
or flipping. In this work, we propose a stance flipping prediction problem to
identify Twitter agents that are susceptible to stance flipping towards the
coronavirus vaccine (i.e., from pro-vaccine to anti-vaccine). Specifically, we
design a social influence model where each agent has some fixed innate stance
and a conviction of the stance that reflects the resistance to change; agents
influence each other through the social network structure.From data collected
between April 2020 to May 2021, our model achieves 86\% accuracy in predicting
agents that flip stances. Further analysis identifies that agents that flip
stances have significantly more neighbors engaging in collective expression of
the opposite stance, and 53.7% of the agents that flip stances are bots and bot
agents require lesser social influence to flip stances.
- Abstract（参考訳）: 社会的影響は、トピックに対する複雑な社会環境における個人の態度の変化を特徴づける。
オンラインソーシャルネットワークにおけるスタンスの影響は、エージェントの過去のスタンスを通じて個人固有の信念によって引き起こされる内在的影響と、ユーザ間のソーシャルネットワークの影響によって形成される外因的影響である。
内因性および外因性の影響は、ユーザの感受性に重要な手がかりを与え、スタントの変化やフリップに対する予測性能を高める。
本稿では、新型コロナウイルスワクチン(予防接種から抗ワクチン)に対する姿勢転換の影響を受けやすいtwitterエージェントを特定するための姿勢反転予測問題を提案する。
具体的には,2020年4月から2021年5月までに収集されたデータから,各エージェントが一定の本質的な姿勢と変化に対する抵抗を反映した姿勢の信念を持つ社会影響モデルを設計し,姿勢を反転させるエージェントを86%精度で予測する。
さらなる分析では、姿勢を反転させるエージェントは、反対姿勢の集団的表現にかなり多くの隣人を持ち、姿勢を反転させるエージェントの53.7%はボットであり、ボットエージェントは姿勢を反転させるためにより社会的影響を弱める必要がある。
関連論文リスト
- Performative Prediction on Games and Mechanism Design [69.7933059664256]
エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。
予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。
よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
論文 参考訳（メタデータ） (2024-08-09T16:03:44Z) - Moral and emotional influences on attitude stability towards COVID-19 vaccines on social media [5.769429204701632]
本研究は、新型コロナウイルスワクチンに対する態度の道徳的基盤と感情的基盤の関係とスタンスの変化について検討する。
新型コロナウイルス(COVID-19)ワクチンに関するツイートの感情的な言葉は、怒りや驚きを除いて、投稿者のスタンスの変化に大きく関連している。
我々の研究は、建設的な予防接種型メッセージングを設計し、受容的なオーディエンスを特定することに意味がある。
論文 参考訳（メタデータ） (2024-07-28T05:36:20Z) - Carthago Delenda Est: Co-opetitive Indirect Information Diffusion Model
for Influence Operations on Online Social Media [6.236019068888737]
DluvsionはTwitterのようなソーシャルメディア上で、競合する情報伝達活動のためのエージェントベースモデルである。
我々は、スタンス導入に影響を与えるエンゲージメント指標、情報の非社会的結びつき、拡散可能なスタンスとしての中立性、およびメディアのフレーミング効果に類似し、スタンス伝播に関して共生的なテーマについて説明する。
論文 参考訳（メタデータ） (2024-02-02T21:15:24Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。
提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
論文 参考訳（メタデータ） (2022-08-22T14:06:06Z) - Estimating Social Influence from Observational Data [5.156484100374057]
本研究では,社会的影響を推定する問題,個人の行動が将来の仲間の行動に与える影響を考察する。
鍵となる課題は、友人間の共有行動は、影響または他の2つの要因によって等しく説明できることである。
本稿では,3つの貢献によって社会的影響を推定する上での課題について論じる。
論文 参考訳（メタデータ） (2022-03-24T20:21:24Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Conductance and Social Capital: Modeling and Empirically Measuring
Online Social Influence [9.556358888163983]
社会的影響は私たちの日常生活に浸透し、複雑な社会現象の基礎を築いた。
オンライン社会的影響を研究する既存の文献は、いくつかの欠点に悩まされている。
この研究はギャップを埋め、モデリングとオンライン影響の実証的な定量化に3つの貢献をする。
論文 参考訳（メタデータ） (2021-10-25T01:05:49Z) - Expertise and confidence explain how social influence evolves along
intellective tasks [10.525352489242396]
本研究では,知的なタスクの連続を集団的に実行する個人集団における対人的影響について検討する。
本稿では, 過渡記憶系の理論, 社会的比較, 社会的影響の起源に関する信頼に関する実証的証拠を報告する。
これらの理論にインスパイアされた認知力学モデルを提案し、個人が時間とともに対人的影響を調整する過程を記述する。
論文 参考訳（メタデータ） (2020-11-13T23:48:25Z) - 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)
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。