論文の概要: Machine learning reveals how personalized climate communication can both
succeed and backfire
- arxiv url: http://arxiv.org/abs/2109.05104v1
- Date: Fri, 10 Sep 2021 20:47:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-18 20:05:42.537228
- Title: Machine learning reveals how personalized climate communication can both
succeed and backfire
- Title(参考訳): 機械学習は、パーソナライズされた気候コミュニケーションが成功とバックファイアを両立させる
- Authors: Totte Harinen, Alexandre Filipowicz, Shabnam Hakimi, Rumen Iliev,
Matthew Klenk, Emily Sumner
- Abstract要約: オンライン広告は、気候変動に対する人々の信念を増大させる一方で、他人に対する信念を低下させることを示す。
特に,年齢や民族によって広告の効果が変化する可能性が示唆された。
- 参考スコア(独自算出の注目度): 55.41644538483948
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Different advertising messages work for different people. Machine learning
can be an effective way to personalise climate communications. In this paper we
use machine learning to reanalyse findings from a recent study, showing that
online advertisements increased some people's belief in climate change while
resulting in decreased belief in others. In particular, we show that the effect
of the advertisements could change depending on people's age and ethnicity.
- Abstract(参考訳): 異なる広告メッセージは、異なる人々のために機能します。
機械学習は、気候コミュニケーションをパーソナライズする効果的な方法である。
本稿では,機械学習を用いて最近の研究から得られた知見を再分析し,オンライン広告が気候変動に対する人々の信念を高めつつ,他人に対する信念を低下させることを示す。
特に,年齢や民族によって広告の効果が変化する可能性が示唆された。
関連論文リスト
- Promoting Reliable Knowledge about Climate Change: A Systematic Review of Effective Measures to Resist Manipulation on Social Media [11.476777375043381]
気候変動に関する操作に対処するための、一般的に推奨されるアプローチには、メディアリテラシーをターゲットとした情報共有や教育キャンペーンが含まれる。
我々は、操作の生成と普及に関わる大規模な商業・政治機関への注意の欠如を含む研究のギャップを見つける。
多くの研究から得られた証拠は、気候変動に関する信頼できる知識を推進し、操作に抵抗するために必要となる政策に関する新たなコンセンサスを示している。
論文 参考訳(メタデータ) (2024-10-31T10:58:38Z) - Modulating Language Model Experiences through Frictions [56.17593192325438]
言語モデルの過度な消費は、短期において未確認エラーを伝播し、長期的な批判的思考のために人間の能力を損なうリスクを出力する。
行動科学の介入にインスパイアされた言語モデル体験のための選択的摩擦を提案し,誤用を抑える。
論文 参考訳(メタデータ) (2024-06-24T16:31:11Z) - ClimateNLP: Analyzing Public Sentiment Towards Climate Change Using
Natural Language Processing [0.0]
本稿では、自然言語処理(NLP)技術を用いて、気候変動に関する話題を分析し、気候変動に関連するツイートの感情を定量化する。
目的は、個人が表現する感情を識別し、気候変動に関する世論のパターンを明らかにすることである。
論文 参考訳(メタデータ) (2023-10-12T07:48:50Z) - Show me the numbers! -- Student-facing Interventions in Adaptive
Learning Environments for German Spelling [0.0]
学生向け適応学習環境は, 人的誤り率の向上に有効である。
我々は,エラー率,早期ドロップアウト数,ユーザ能力に関する異なる介入を評価した。
論文 参考訳(メタデータ) (2023-06-13T15:33:09Z) - Persuasion Strategies in Advertisements [68.70313043201882]
我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。
次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。
我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
論文 参考訳(メタデータ) (2022-08-20T07:33:13Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳(メタデータ) (2022-06-30T12:34:24Z) - Trend and Thoughts: Understanding Climate Change Concern using Machine
Learning and Social Media Data [3.7384509727711923]
われわれは大規模な気候変動のTwitterデータセットを構築し、機械学習を用いて包括的な分析を行った。
トピックモデリングと自然言語処理を行うことで、気候変動に関するツイート数と主要な気候イベントの関係を示す。
我々のデータセットはKaggleで公開されており、さらなる研究に利用できる。
論文 参考訳(メタデータ) (2021-11-06T19:59:03Z) - Revealing Persona Biases in Dialogue Systems [64.96908171646808]
対話システムにおけるペルソナバイアスに関する最初の大規模研究について述べる。
我々は、異なる社会階級、性的指向、人種、性別のペルソナの分析を行う。
BlenderおよびDialoGPT対話システムの研究では、ペルソナの選択が生成された応答の害の程度に影響を与える可能性があることを示しています。
論文 参考訳(メタデータ) (2021-04-18T05:44:41Z) - The Human Effect Requires Affect: Addressing Social-Psychological
Factors of Climate Change with Machine Learning [2.0178765779788495]
我々は、気候変動に対する機械学習に基づく介入を強化するために、どのように影響を組み込むことができるかを調査する。
本稿では, 気候変動とシミュレートされた気候変動社会ジレンマの両面において, 情緒的エージェントベース・モデリングを応用することを提案する。
私たちは、感情的なMLを利用することで、介入をより強力なツールにし、緩和行動が広く採用されるようになることを期待しています。
論文 参考訳(メタデータ) (2020-11-24T23:34:54Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳(メタデータ) (2020-11-13T10:19:13Z)
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。