Fugu-MT 論文翻訳(概要): Stupid, Evil, or Both? Understanding the Smittestopp conflict

論文の概要: Stupid, Evil, or Both? Understanding the Smittestopp conflict

arxiv url: http://arxiv.org/abs/2112.03839v1
Date: Tue, 7 Dec 2021 17:25:00 GMT
ステータス: 処理完了
システム内更新日: 2023-03-05 07:39:41.279538
Title: Stupid, Evil, or Both? Understanding the Smittestopp conflict
Title（参考訳）: バカか悪か両方か? Smittestoppの対立を理解する
Authors: Hans Heum
Abstract要約: ノルウェー政府は、新型コロナウイルス(COVID-19)の感染拡大を抑えるため、接触追跡アプリケーションを提供した。この申請は、被験者の生活に受け入れられない侵入を可能にしたとして広く批判され、パンデミックへの4ヶ月の中断に繋がった。我々は、何がうまくいかなかったのかを詳しく見て、紛争の情熱的な性質についてより深く理解しようと試み、そして両者がいかにして互いを愚かであるか、または悪であるか、または両方であるとみなすようになったかを見極めます。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Like many governments, the Norwegian government provided a contact tracing application to help in combating the COVID-19 pandemic at its outset. However, the application was widely criticized for enabling an unacceptable intrusion into its subjects' lives, leading to its discontinuation only four months into the pandemic. In this essay, we will take a closer look at what went wrong, attempt to gain a deeper understanding of the passionate nature of the conflict, and how both sides came to view the other as being either stupid, or evil, or both.
Abstract（参考訳）: 多くの政府と同様に、ノルウェー政府は新型コロナウイルス(covid-19)のパンデミックに対処するための接触追跡アプリケーションを提供した。しかし、この申請は被検者の生活に受け入れがたい侵入を可能にしたとして広く批判され、パンデミックからわずか4ヶ月で中断された。このエッセイでは、何がうまくいかなかったのかを詳しく調べ、紛争の情熱的な性質についてより深く理解しようと試み、そして両者がいかにして互いを愚かであるか、悪であるか、または両方であるとみなすようになったかを見極めます。

関連論文リスト

Pandemic Culture Wars: Partisan Differences in the Moral Language of COVID-19 Discussions [7.356252425142533]
われわれは、新型コロナウイルス、ロックダウン、マスク、教育、ワクチンの5つの問題に焦点を当てている。我々は、モラル言語を分析し、政治的イデオロギーを推測するために最先端の計算手法を用いる。本研究は,異なる集団が用いた課題サリエンスと道徳言語におけるイデオロギー的差異を明らかにした。
論文参考訳（メタデータ） (2023-05-29T18:04:05Z)
Terrorist attacks sharpen the binary perception of "Us" vs. "Them" [0.0]
これらの出来事によって常に注目を集めているトピックやテーマを特定するために、複雑な排除手順を使用します。我々は、テロ攻撃が「米国」(標的社会)と「テム」(敵としてのテロリスト)の鋭い境界の確立を促進することを発見した。この、破壊的な出来事に対する公共反応の体系的な分析は、社会的結果の緩和に役立つ。
論文参考訳（メタデータ） (2022-07-04T12:24:18Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
The relationship between sentiment score and COVID-19 cases in the United States [0.0]
我々は、新型コロナウイルス関連ツイートから感情スコアと意見を抽出する枠組みを検討する。ユーザーの感情と米国中の新型コロナウイルス感染者を結びつけるとともに、特定の新型コロナウイルスのマイルストーンが公衆の感情に与える影響を調査します。
論文参考訳（メタデータ） (2022-01-09T01:07:13Z)
Know it to Defeat it: Exploring Health Rumor Characteristics and Debunking Efforts on Chinese Social Media during COVID-19 Crisis [65.74516068984232]
われわれは、中国のマイクロブログサイトWeiboで、新型コロナウイルス(COVID-19)に関する4ヶ月にわたる噂に関するオンラインディスカッションを包括的に分析した。以上の結果から、不安(恐怖)型健康噂は、希望(希望)型よりもはるかに多くの議論を巻き起こし、長く続いたことが示唆された。本稿では,噂の議論を抑えるためのデバンキングの有効性を示す。
論文参考訳（メタデータ） (2021-09-25T14:02:29Z)
Adversarial Visual Robustness by Causal Intervention [56.766342028800445]
敵の訓練は、敵の例に対する事実上最も有望な防御である。しかし、その受動性は必然的に未知の攻撃者への免疫を妨げる。我々は、敵対的脆弱性の因果的視点を提供する: 原因は、学習に普遍的に存在する共同創設者である。
論文参考訳（メタデータ） (2021-06-17T14:23:54Z)
Cross-Cultural Polarity and Emotion Detection Using Sentiment Analysis and Deep Learning -- a Case Study on COVID-19 [2.983310828879753]
ソーシャルメディアは、新型コロナウイルス(COVID-19)に対する肯定的な感情と否定的な感情、パンデミック、ロックダウン、ハッシュタグを含む投稿で攻撃を受けた。この研究は、パンデミックとロックダウン期間の初期段階で示された感情の極性と感情を検出し、分析する傾向がある。
論文参考訳（メタデータ） (2020-08-23T12:43:26Z)
How Have We Reacted To The COVID-19 Pandemic? Analyzing Changing Indian Emotions Through The Lens of Twitter [2.805251632575323]
WHOは216カ国と領土で600,000人近くが死亡し、1300万人以上が確認されたと報告している。インドは、米国とブラジルに次いで、パンデミックで3番目に最悪の国となった。ツイートから人の感情を識別する深層学習システムを提案する。
論文参考訳（メタデータ） (2020-08-20T15:39:05Z)
Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
論文参考訳（メタデータ） (2020-05-29T09:24:38Z)
A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文参考訳（メタデータ） (2020-05-15T17:17:45Z)
The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
論文参考訳（メタデータ） (2020-04-21T13:02:38Z)

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。