論文の概要: Predicting Anti-Asian Hateful Users on Twitter during COVID-19

• arxiv url: http://arxiv.org/abs/2109.07296v1
• Date: Wed, 15 Sep 2021 13:49:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 00:58:28.317727
• Title: Predicting Anti-Asian Hateful Users on Twitter during COVID-19
• Title（参考訳）: アンチ・アジア・ヘイトフル・ユーザーをtwitterで予測するcovid-19
• Authors: Jisun An, Haewoon Kwak, Claire Seungeun Lee, Bogang Jun, Yong-Yeol Ahn
• Abstract要約: 我々は、新型コロナウイルスの感染拡大に伴う反アジア的ヘイトメッセージの投稿を始めたソーシャルメディアユーザーを特徴付けるために自然言語処理技術を適用した。 後日、誰が反アジアスラーを公に投稿したかを予測することは可能である。
• 参考スコア（独自算出の注目度）: 7.788173128266611
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate predictors of anti-Asian hate among Twitter users throughout COVID-19. With the rise of xenophobia and polarization that has accompanied widespread social media usage in many nations, online hate has become a major social issue, attracting many researchers. Here, we apply natural language processing techniques to characterize social media users who began to post anti-Asian hate messages during COVID-19. We compare two user groups -- those who posted anti-Asian slurs and those who did not -- with respect to a rich set of features measured with data prior to COVID-19 and show that it is possible to predict who later publicly posted anti-Asian slurs. Our analysis of predictive features underlines the potential impact of news media and information sources that report on online hate and calls for further investigation into the role of polarized communication networks and news media.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)全体でTwitterユーザーの反アジア的憎悪の予測を調査する。 多くの国でソーシャルメディアの普及にともなうキセノフォビアと偏極化の台頭により、オンラインヘイトは大きな社会問題となり、多くの研究者を惹きつけている。 本稿では、新型コロナウイルスの感染拡大に伴う反アジア的ヘイトメッセージの投稿を始めたソーシャルメディアユーザーを特徴付けるために自然言語処理技術を適用した。 新型コロナウイルス(COVID-19)以前のデータで測定された豊富な特徴について、2つのユーザーグループ ― 反アジアスラーを投稿した人と、そうでない人 ― を比較し、後に反アジアスラーを投稿した人を予測できることを示す。 我々は,オンラインヘイトを報道するニュースメディアや情報ソースの潜在的な影響を分析し,分極通信ネットワークやニュースメディアの役割についてさらなる調査を求める。

関連論文リスト

• "Here's Your Evidence": False Consensus in Public Twitter Discussions of COVID-19 Science [50.08057052734799]
  プリプリントサーバからの抽象化のサンプルに基づいて,科学的コンセンサスを推定する。 アンチ・コンセンサス(反合意)の投稿や利用者は、概してプロ・コンセンサス(反合意)の投稿ほど多くはないが、Twitter上では圧倒的に過剰に表現されている。
  論文  参考訳（メタデータ） (2024-01-24T06:16:57Z)
• Sensing the Pulse of the Pandemic: Geovisualizing the Demographic Disparities of Public Sentiment toward COVID-19 through Social Media [9.906180010952406]
  ソーシャルメディアの利用は人口層によって異なるが、若年ユーザーの方が高齢ユーザーに比べて多い。 本研究は、Twitterデータを用いて、新型コロナウイルスに関する世論感情を推定するケーススタディを通じて、ソーシャルメディア分析における解決策と人口統計バイアスを調査した。
  論文  参考訳（メタデータ） (2023-03-17T02:59:46Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• Predicting Hate Intensity of Twitter Conversation Threads [26.190359413890537]
  DRAGNET++は、将来、ツイートが返信チェーンを通じてもたらす憎悪の強さを予測することを目的としている。 ツイートスレッドのセマンティックな構造と伝播構造を利用して、続く各ツイートにおけるヘイトインテンシティの低下につながるコンテキスト情報を最大化する。 DRAGNET++は最先端のすべてのベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2022-06-16T18:51:36Z)
• "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)
• Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
  低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。 そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。 実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-13T04:44:02Z)
• Detecting Propaganda on the Sentence Level during the COVID-19 Pandemic [0.0]
  悪意のあるサイバー攻撃は、社会的分極の増加、健康危機、資産喪失を引き起こす可能性がある。 Redditでトレーニングされたコンテキスト適応型埋め込みを用いて、そのようなユーザアカウントのプロパガンダの検出に取り組む。 その結果、中道派は中道派の35倍から115倍のツイートをしていることがわかった。
  論文  参考訳（メタデータ） (2021-07-31T06:40:17Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• 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)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)

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。