論文の概要: MigrationsKB: A Knowledge Base of Public Attitudes towards Migrations
and their Driving Factors
- arxiv url: http://arxiv.org/abs/2108.07593v1
- Date: Tue, 17 Aug 2021 12:50:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-18 17:53:10.799773
- Title: MigrationsKB: A Knowledge Base of Public Attitudes towards Migrations
and their Driving Factors
- Title(参考訳): MigrationsKB: マイグレーションに対する公的な態度の知識ベースとその要因
- Authors: Yiyi Chen, Harald Sack, Mehwish Alam
- Abstract要約: 本研究は、移住に対する大衆の態度を定量化するためのソーシャルメディアプラットフォームの分析である。
移民のホストである欧州諸国では、2013年からJul-2021にかけてのツイートが収集されている。
外部データベースは、移住に対する人々の否定的な態度を引き起こす潜在的な社会的・経済的要因を特定するために使用される。
- 参考スコア(独自算出の注目度): 1.6973426830397942
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the increasing trend in the topic of migration in Europe, the public is
now more engaged in expressing their opinions through various platforms such as
Twitter. Understanding the online discourses is therefore essential to capture
the public opinion. The goal of this study is the analysis of social media
platform to quantify public attitudes towards migrations and the identification
of different factors causing these attitudes. The tweets spanning from 2013 to
Jul-2021 in the European countries which are hosts to immigrants are collected,
pre-processed, and filtered using advanced topic modeling technique. BERT-based
entity linking and sentiment analysis, and attention-based hate speech
detection are performed to annotate the curated tweets. Moreover, the external
databases are used to identify the potential social and economic factors
causing negative attitudes of the people about migration. To further promote
research in the interdisciplinary fields of social science and computer
science, the outcomes are integrated into a Knowledge Base (KB), i.e.,
MigrationsKB which significantly extends the existing models to take into
account the public attitudes towards migrations and the economic indicators.
This KB is made public using FAIR principles, which can be queried through
SPARQL endpoint. Data dumps are made available on Zenodo.
- Abstract(参考訳): ヨーロッパにおける移民のトレンドの高まりに伴い、Twitterなどのさまざまなプラットフォームを通じて、人々の意見を表現しやすくなっている。
したがって、オンラインの談話を理解することは世論を捉えるのに不可欠である。
本研究の目的は,社会の移動に対する態度を定量化するためのソーシャルメディアプラットフォームの分析と,これらの態度を引き起こすさまざまな要因の同定である。
移民のホストである欧州諸国の2013年からjul-2021までのツイートは、高度なトピックモデリング技術を用いて収集、処理、フィルタリングされる。
BERTベースのエンティティリンクと感情分析、注目ベースのヘイトスピーチ検出を行い、キュレートされたツイートに注釈をつける。
さらに、外部データベースは、移住に対する人々の否定的な態度を引き起こす潜在的社会的、経済的要因を特定するために使用される。
社会科学と計算機科学の学際的な分野の研究をさらに促進するために、成果を知識ベース(kb)、すなわち、移行に対する一般の態度や経済指標を考慮に入れるために既存のモデルを著しく拡張する移行skbに統合する。
このKBは、SPARQLエンドポイントを介してクエリ可能なFAIR原則を使用して公開されている。
データダンプはZenodoで利用可能です。
関連論文リスト
- The Geography of Information Diffusion in Online Discourse on Europe and
Migration [4.590533239391236]
私たちは、大量のデータをソーシャルメディア(Twitter)から取り出した後、ヨーロッパに関するオンライン情報と移住について分析する。
リツイートとハッシュタグのネットワーク分析とユーザの位置情報を組み合わせる。
結果は、特に移住について議論する場合に、オンライン議論の大多数が国家レベルでどのように起こるかを示している。
論文 参考訳(メタデータ) (2024-02-21T13:30:34Z) - Modeling Political Orientation of Social Media Posts: An Extended
Analysis [0.0]
オンラインソーシャルメディア上で政治的分極を特徴付ける機械学習モデルを開発することは、大きな課題である。
これらの課題は主に、注釈付きデータの欠如、ソーシャルメディアデータセットにおけるノイズの存在、膨大な量のデータなど、さまざまな要因に起因している。
本稿では、ソーシャルメディア投稿のラベル付けに、メディアバイアスと投稿コンテンツを活用する2つの方法を紹介する。
ソーシャルメディア投稿の政治的指向を予測することで,現在の機械学習モデルの性能向上を実証する。
論文 参考訳(メタデータ) (2023-11-21T03:34:20Z) - 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) - Bias and Fairness in Large Language Models: A Survey [76.65471160523444]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳(メタデータ) (2023-09-02T00:32:55Z) - Drivers of social influence in the Twitter migration to Mastodon [4.742123770879715]
Elon Muskの買収後のTwitterユーザからMastodonへのマイグレーションは、集合行動を研究するユニークな機会である。
移行した約75,000人の利用者のソーシャルネットワークと公開会話を分析した。
移動の時間的痕跡は、社会的影響の現象と相容れないことが判明した。
論文 参考訳(メタデータ) (2023-05-30T14:19:02Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on
Social Media [53.51665032295087]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-05-23T16:40:07Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳(メタデータ) (2023-03-24T21:26:27Z) - The Ethics of Social Media Analytics in Migration Studies [1.3651461111887733]
本章では、ソーシャルメディアプラットフォームを通じた移住研究の倫理的考察の概要について述べる。
関連する学術文献に基づいて,過去20年間にソーシャルメディア研究に関連する倫理的問題がどのように議論されてきたかを検討する。
この概要は、マイグレーションに関連する文脈におけるソーシャルメディア研究に関連する倫理的課題を考慮し、緩和するための理論的および実践的なツールを研究者に提供するために設計されている。
論文 参考訳(メタデータ) (2023-02-28T08:39:22Z) - BERTScore is Unfair: On Social Bias in Language Model-Based Metrics for
Text Generation [89.41378346080603]
この研究は、PLMに基づくメトリクスにおける社会バイアスに関する最初の体系的研究である。
PLMをベースとした一般的な指標は,従来の6つの属性の指標よりも社会的偏見が著しく高いことが実証された。
さらに, PLM層に注入される脱バイアスアダプタを開発し, テキスト生成の評価に高い性能を維持しながら, PLMベースのメトリクスのバイアスを軽減する。
論文 参考訳(メタデータ) (2022-10-14T08:24:11Z) - Towards Understanding and Mitigating Social Biases in Language Models [107.82654101403264]
大規模事前訓練言語モデル(LM)は、望ましくない表現バイアスを示すのに潜在的に危険である。
テキスト生成における社会的バイアスを軽減するためのステップを提案する。
我々の経験的結果と人的評価は、重要な文脈情報を保持しながらバイアスを緩和する効果を示す。
論文 参考訳(メタデータ) (2021-06-24T17:52:43Z) - Using social media to measure demographic responses to natural disaster:
Insights from a large-scale Facebook survey following the 2019 Australia
Bushfires [3.441021278275805]
われわれは、Facebookアプリ自体を通じて、ディスアスター後の人口統計と経済効果を迅速に調査する。
これらの調査回答は、Facebook Displacement Mapsを含むアプリ由来のモビリティデータを強化するために使用します。
我々は、変位決定やタイミングなど、重要な領域のいくつかの違いを明らかにした。
論文 参考訳(メタデータ) (2020-08-09T05:55:26Z)
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。