論文の概要: An influencer-based approach to understanding radical right viral tweets
- arxiv url: http://arxiv.org/abs/2109.07588v1
- Date: Wed, 15 Sep 2021 21:40:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-17 13:55:20.392927
- Title: An influencer-based approach to understanding radical right viral tweets
- Title（参考訳）: インフルエンサーによる急進的右バイラルツイートの理解
- Authors: Laila Sprejer, Helen Margetts, Kleber Oliveira, David O'Sullivan,
Bertie Vidgen
- Abstract要約: ROTは、35の急進的右派インフルエンサーのコンテンツ、エンゲージメント、フォローシップに関する洞察を提供する。
5万件以上のオリジナル記事と4000万件以上のリツイート、引用、返信、言及が含まれている。
インフルエンサーレベルの構造を考慮し、インフルエンサーレベルの要素とコンテントレベルの要素の両方の重要性の証拠を見つけることが重要である。
- 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: Radical right influencers routinely use social media to spread highly
divisive, disruptive and anti-democratic messages. Assessing and countering the
challenge that such content poses is crucial for ensuring that online spaces
remain open, safe and accessible. Previous work has paid little attention to
understanding factors associated with radical right content that goes viral. We
investigate this issue with a new dataset ROT which provides insight into the
content, engagement and followership of a set of 35 radical right influencers.
It includes over 50,000 original entries and over 40 million retweets, quotes,
replies and mentions. We use a multilevel model to measure engagement with
tweets, which are nested in each influencer. We show that it is crucial to
account for the influencer-level structure, and find evidence of the importance
of both influencer- and content-level factors, including the number of
followers each influencer has, the type of content (original posts, quotes and
replies), the length and toxicity of content, and whether influencers request
retweets. We make ROT available for other researchers to use.
- Abstract（参考訳）: 急進的な右派インフルエンサーはソーシャルメディアを使って、高度に分裂的で破壊的で反民主的なメッセージを広める。
このようなコンテンツが生み出す課題の評価と対処は、オンラインスペースがオープンで安全でアクセスしやすいままであることを保証する上で極めて重要である。
これまでの研究は、ウイルスに感染する過激な右コンテンツに関連する要因を理解することにはほとんど注意を払わなかった。
我々は、35の急進的右インフルエンサーのコンテンツ、エンゲージメント、フォロワーシップに関する洞察を提供する新しいデータセットROTを用いてこの問題を調査する。
5万以上のオリジナルエントリと4000万以上のリツイート、引用、返信、コメントが含まれる。
我々はマルチレベルモデルを用いて、各インフルエンサーにネストされたツイートのエンゲージメントを測定する。
インフルエンサーレベルの構造を考慮することが重要であり、インフルエンサーが持つフォロワーの数、コンテンツの種類(オリジナル投稿、引用、返信)、コンテンツの長さと毒性、インフルエンサーがリツイートを要求するかどうかなど、インフルエンサーとコンテンツレベルの要素の両方の重要性を示す証拠となる。
他の研究者がrotを利用できるようにしています。
関連論文リスト
- ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
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) - ViralBERT: A User Focused BERT-Based Approach to Virality Prediction [11.992815669875924]
本稿では、コンテンツとユーザベースの機能を用いて、ツイートのバイラル性を予測できるViralBERTを提案する。
ハッシュタグやフォロワー数などの数値的特徴を合成してテキストをツイートし、2つのBERTモジュールを利用する手法を用いる。
ViralBERTをトレーニングするために330kのツイートのデータセットを収集し、この分野での現在の研究からベースラインを使用して、モデルの有効性を検証する。
論文 参考訳（メタデータ） (2022-05-17T21:40:24Z) - Manipulating Twitter Through Deletions [64.33261764633504]
Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。
ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。
少数のアカウントが毎日大量のツイートを削除していることがわかった。
まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。
第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
論文 参考訳（メタデータ） (2022-03-25T20:07:08Z) - Influencing the Influencers: Evaluating Person-to-Person Influence on
Social Networks Using Granger Causality [6.458496335718509]
本稿では,Twitter上での個人間コンテンツの影響を分析する新しい手法を提案する。
Ego-AlterフレームワークとGranger Causalityを使って、トランプ大統領(Ego)と彼がリツイートした人々(Alters)を調べる。
それぞれのAlterは、複数のトピックにまたがって異なる影響範囲を持ち、与えられたトピックに異なる影響範囲を持ち、単一のAlterの影響の大きさはトピックによって異なる。
論文 参考訳（メタデータ） (2021-10-10T20:40:11Z) - 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) - Divided We Rule: Influencer Polarization on Twitter During Political
Crises in India [5.861653129876749]
GoogleのUniversal Sentence(USE)を使って、6万のインフルエンサーと26万のインドの政治家のツイートをエンコードしています。
ツイート埋め込みに基づいてインフルエンサーの集約ベクトル表現を取得します。
新型コロナウイルス(COVID-19)では、政府側にインフルエンサーが集まっている一方で、市民権、カシミールの州昇格、農民の抗議に関する他の3つの論争的な問題について、主に政府主導のファンアカウントであり、現職の地位を拡大している。
論文 参考訳（メタデータ） (2021-05-18T08:38:16Z) - 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) - Examining the Ordering of Rhetorical Strategies in Persuasive Requests [58.63432866432461]
本研究では,大規模ローン要求コーパスからのテキスト要求において,コンテンツと修辞戦略をアンタングル化するために,変分オートエンコーダモデルを用いる。
特定の(順序の)戦略が要求の内容と一意に相互作用し、成功率に影響を与え、その結果、要求の説得力に影響を及ぼす。
論文 参考訳（メタデータ） (2020-10-09T15:10:44Z) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳（メタデータ） (2020-06-03T11:34:25Z) - That Message Went Viral?! Exploratory Analytics and Sentiment Analysis
into the Propagation of Tweets [0.0]
我々は100万ツイート以上のデータセットについて探索分析を行った。
我々は、最も人気のあるメッセージを特定し、複数の内因性次元でつぶやきを分析した。
私たちはいくつかの興味深いパターンを発見し、研究者や実践者が人気のあるバイラルツイートの振る舞いをよりよく理解するための新たな洞察を明らかにしました。
論文 参考訳（メタデータ） (2020-04-21T02:38:53Z) - Behavior variations and their implications for popularity promotions:
From elites to mass in Weibo [11.827654711875256]
本研究は,コンテンツ人気決定におけるオンラインユーザの影響について考察する。
7つのコンテンツドメインの新たなビューから、中国で最も人気のあるTwitterライクなサービスであるWeiboでは、5つのユーザーグループの振る舞いの詳細な図が描かれています。
最も驚くべき発見は、コンテンツの多様性が必ずしもより多くのリツイートをもたらすわけではないことだ。
論文 参考訳（メタデータ） (2020-04-12T11:49:03Z)
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。