論文の概要: Beyond a binary of (non)racist tweets: A four-dimensional categorical
detection and analysis of racist and xenophobic opinions on Twitter in early
Covid-19
- arxiv url: http://arxiv.org/abs/2107.08347v1
- Date: Sun, 18 Jul 2021 02:37:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-20 14:52:58.116005
- Title: Beyond a binary of (non)racist tweets: A four-dimensional categorical
detection and analysis of racist and xenophobic opinions on Twitter in early
Covid-19
- Title(参考訳): 人種差別的(非)ツイートのバイナリーを超えて:covid-19初期のtwitterにおける人種差別的、異性嫌悪的意見の4次元的検出と分析
- Authors: Xin Pei, Deval Mehta
- Abstract要約: 本研究は、人種差別とキセノフォビア検出の4次元カテゴリ、すなわち、スティグマティゼーション、攻撃性、非難、排他性について研究する。
ディープラーニングのテクニックの助けを借りて、この分類的検出は、Twitter上で人種差別やキセノフォビック表現に反映される創発的トピックのニュアンスに関する洞察を可能にする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transcending the binary categorization of racist and xenophobic texts, this
research takes cues from social science theories to develop a four dimensional
category for racism and xenophobia detection, namely stigmatization,
offensiveness, blame, and exclusion. With the aid of deep learning techniques,
this categorical detection enables insights into the nuances of emergent topics
reflected in racist and xenophobic expression on Twitter. Moreover, a stage
wise analysis is applied to capture the dynamic changes of the topics across
the stages of early development of Covid-19 from a domestic epidemic to an
international public health emergency, and later to a global pandemic. The main
contributions of this research include, first the methodological advancement.
By bridging the state-of-the-art computational methods with social science
perspective, this research provides a meaningful approach for future research
to gain insight into the underlying subtlety of racist and xenophobic
discussion on digital platforms. Second, by enabling a more accurate
comprehension and even prediction of public opinions and actions, this research
paves the way for the enactment of effective intervention policies to combat
racist crimes and social exclusion under Covid-19.
- Abstract(参考訳): この研究は、人種差別論とキセノフォニックテキストの二項分類を超越し、社会科学理論から、人種差別とキセノフォビア検出のための4次元カテゴリー、すなわち、スティグマティゼーション、攻撃性、非難、排除へと導かれる。
ディープラーニング技術を利用することで、このカテゴリー検出は、twitter上の人種差別的および異性嫌悪的表現に反映される創発的トピックのニュアンスに対する洞察を可能にする。
さらに、国内流行から国際公衆衛生緊急事態、そして後に世界的なパンデミックまで、Covid-19の早期発達の段階におけるトピックの動的変化を捉えるために、段階的賢明な分析を適用した。
本研究の主な貢献は,まず方法論の進歩である。
この研究は、社会科学の観点から最先端の計算手法をブリッジすることで、デジタルプラットフォームにおける人種差別的・異端的な議論の根底にある微妙さに関する洞察を得るための、将来の研究に有意義なアプローチを提供する。
第2に、より正確な理解と世論や行動の予測を可能にすることにより、コビッド19の下での人種差別犯罪や社会的排除に対抗する効果的な介入政策の実施の道を開く。
関連論文リスト
- A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models [3.3741245091336083]
新型コロナウイルス(COVID-19)のパンデミックにより、キセノフォビア、特にシナフォビアが悪化し、中国系個人に対する差別が広まりつつある。
新型コロナウイルスのパンデミック時にX(Twitter)で表現されたSinophobic sentimentsの縦断的感情分析にLLMを用いた感情分析フレームワークを提案する。
その結果, SinophobicTweets, Sinophobic sentiments, surges in COVID-19 case, it is a significant correlation between the spikes in Sinophobic tweetss, Sinophobic sentiments and surges in COVID-19 case, showed that the evolution of the spread of public sentiment and the prevalence of Sinophobic discourse。
論文 参考訳(メタデータ) (2024-08-29T23:39:11Z) - Machines Do See Color: A Guideline to Classify Different Forms of Racist
Discourse in Large Corpora [0.0]
テキストで人種差別的言語を識別し分類する現在の手法は、人種差別的言説の過度な形式にのみ焦点をあてる小さなnの質的アプローチや大規模nのアプローチに依存している。
本稿では、大規模コーパスにおける異なる形態の人種差別的言説を識別し分類するためのステップバイステップの一般化可能なガイドラインを提供する。
論文 参考訳(メタデータ) (2024-01-17T16:57:18Z) - Multi-dimensional Racism Classification during COVID-19: Stigmatization,
Offensiveness, Blame, and Exclusion [1.0878040851638]
我々は、人種差別検出のための多次元モデル、すなわち、スティグマティゼーション、攻撃性、非難、排除を開発する。
この分類学的検出は、新型コロナウイルス(COVID-19)中のデジタルプラットフォームにおける人種差別的議論の根底にある微妙さに関する洞察を可能にする。
論文 参考訳(メタデータ) (2022-08-29T00:38:56Z) - Aggression and "hate speech" in communication of media users: analysis
of control capabilities [50.591267188664666]
著者らは新メディアにおける利用者の相互影響の可能性を検討した。
新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。
結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
論文 参考訳(メタデータ) (2022-08-25T15:53:32Z) - Anatomizing Bias in Facial Analysis [86.79402670904338]
既存の顔分析システムでは、特定の集団群に対して偏りのある結果が得られることが示されている。
これらのシステムは、個人の性別、アイデンティティ、肌のトーンに基づいて差別されないようにすることが義務づけられている。
これはAIシステムにおけるバイアスの識別と緩和の研究につながった。
論文 参考訳(メタデータ) (2021-12-13T09:51:13Z) - "Stop Asian Hate!" : Refining Detection of Anti-Asian Hate Speech During
the COVID-19 Pandemic [2.5227595609842206]
新型コロナウイルス(COVID-19)のパンデミックは、アジアでのキセノフォビアと偏見の急増を加速させた。
我々は2つの実験的なアプローチを用いてTwitterのツイートのコーパスを作成して注釈付けし、反アジア人虐待とヘイトスピーチを探索する。
論文 参考訳(メタデータ) (2021-12-04T06:55:19Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳(メタデータ) (2021-08-01T08:54:47Z) - Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
国像は国際関係と経済発展に大きな影響を与えている。
新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。
本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
論文 参考訳(メタデータ) (2020-09-12T15:54:51Z) - Towards Debiasing Sentence Representations [109.70181221796469]
Sent-Debiasはバイアスを取り除くのに有効であり、同時に文レベルの下流タスクのパフォーマンスを保っていることを示す。
我々は、より公平なNLPのための広く採用されている文表現から社会的偏見を識別・除去する今後の研究に刺激を与えることを期待している。
論文 参考訳(メタデータ) (2020-07-16T04:22:30Z) - #Coronavirus or #Chinesevirus?!: Understanding the negative sentiment
reflected in Tweets with racist hashtags across the development of COVID-19 [1.0878040851638]
人種差別的なハッシュタグでマークされたツイートに反映される否定的な感情の分析に焦点を当てた。
我々は、新型コロナウイルスの3つの発達段階とともに、ネガティブな感情がどのように変化するかを把握するためのステージベースのアプローチを提案する。
論文 参考訳(メタデータ) (2020-05-17T11:15:50Z) - A Framework for the Computational Linguistic Analysis of Dehumanization [52.735780962665814]
我々は1986年から2015年にかけてニューヨーク・タイムズでLGBTQの人々に関する議論を分析した。
LGBTQの人々の人為的な記述は、時間とともにますます増えています。
大規模に非人間化言語を分析する能力は、メディアバイアスを自動的に検出し、理解するだけでなく、オンラインで乱用する言語にも影響を及ぼす。
論文 参考訳(メタデータ) (2020-03-06T03:02:12Z)
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。