論文の概要: VIRATrustData: A Trust-Annotated Corpus of Human-Chatbot Conversations
About COVID-19 Vaccines
- arxiv url: http://arxiv.org/abs/2205.12240v1
- Date: Tue, 24 May 2022 17:48:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-25 14:35:38.607339
- Title: VIRATrustData: A Trust-Annotated Corpus of Human-Chatbot Conversations
About COVID-19 Vaccines
- Title(参考訳): VIRATrustData:COVID-19ワクチンに関する人間とチャットボットの対話の信頼できるコーパス
- Authors: Roni Friedman, Jo\~ao Sedoc, Shai Gretz, Assaf Toledo, Rose Weeks,
Naor Bar-Zeev, Yoav Katz, Noam Slonim
- Abstract要約: 医療情報への信頼は、ワクチン接種などの公衆衛生政策をうまく適用するために不可欠である。
本稿では,人間ロボットのターンレベル信頼分類の課題について考察する。
私たちは、新型コロナウイルスワクチン情報資源アシスタントであるVIRAとの(クラウドソースではなく)観察的に収集されたダイアログに依存しています。
これらのダイアログは、特に信頼が急激な新型コロナウイルスワクチンに関する質問や懸念に焦点を当てている。
- 参考スコア(独自算出の注目度): 8.899873776200135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Public trust in medical information is crucial for successful application of
public health policies such as vaccine uptake. This is especially true when the
information is offered remotely, by chatbots, which have become increasingly
popular in recent years. Here, we explore the challenging task of human-bot
turn-level trust classification. We rely on a recently released data of
observationally-collected (rather than crowdsourced) dialogs with VIRA chatbot,
a COVID-19 Vaccine Information Resource Assistant. These dialogs are centered
around questions and concerns about COVID-19 vaccines, where trust is
particularly acute. We annotated $3k$ VIRA system-user conversational turns for
Low Institutional Trust or Low Agent Trust vs. Neutral or High Trust. We
release the labeled dataset, VIRATrustData, the first of its kind to the best
of our knowledge. We demonstrate how this task is non-trivial and compare
several models that predict the different levels of trust.
- Abstract(参考訳): 医療情報に対する公衆の信頼は、ワクチン接種などの公衆衛生政策をうまく適用するために重要である。
これは、最近の人気が高まっているチャットボットによって、リモートで提供される情報には特に当てはまる。
本稿では,人間ロボットのターンレベル信頼分類の課題について考察する。
我々は、新型コロナウイルスワクチン情報資源アシスタントであるVIRAチャットボットと、最近リリースされた(クラウドソースではなく)観察的に収集されたダイアログのデータに依存しています。
これらの対話は、特に信頼が急進的な新型コロナウイルスワクチンに関する質問と懸念に集中している。
我々は、低機関信頼か低エージェント信頼か中立か高信頼かの3k$VIRAシステムユーザー会話ターンを注釈した。
私たちはラベル付きデータセットであるVIRATrustDataをリリースしました。
このタスクが非自明であることを示し、異なる信頼レベルを予測する複数のモデルを比較する。
関連論文リスト
- CARES: A Comprehensive Benchmark of Trustworthiness in Medical Vision Language Models [92.04812189642418]
我々はCARESを紹介し,医療領域全体での医療LVLMの信頼性を評価することを目的とする。
我々は,Med-LVLMの信頼性を,信頼性,公正性,安全性,プライバシ,堅牢性,5次元にわたって評価する。
論文 参考訳(メタデータ) (2024-06-10T04:07:09Z) - Analyzing COVID-19 Vaccination Sentiments in Nigerian Cyberspace:
Insights from a Manually Annotated Twitter Dataset [2.820717448579396]
ナイジェリアにおけるワクチンの受け入れについて,トランスフォーマーに基づく言語モデルを用いて検討する。
関連するハッシュタグとキーワードを用いて複数言語ツイートをクロールすることで,新しいデータセットを開発した。
分析と可視化の結果、ほとんどのツイートは新型コロナウイルスワクチンに関する中立的な感情を表しており、一部の人は肯定的な見解を示しています。
論文 参考訳(メタデータ) (2024-01-23T22:49:19Z) - Leveraging Large Language Models and Weak Supervision for Social Media
data annotation: an evaluation using COVID-19 self-reported vaccination
tweets [1.9988653168573556]
ソーシャルメディアプラットフォームは、ワクチンに関する話題を議論するメディアとして人気を博している。
本研究では,新型コロナウイルス関連ツイートを識別するために,大規模言語モデル(GPT-4,弱監督)の使用状況を評価する。
論文 参考訳(メタデータ) (2023-09-12T18:18:23Z) - On the Robustness of ChatGPT: An Adversarial and Out-of-distribution
Perspective [67.98821225810204]
本研究は,ChatGPTの頑健性について,敵対的視点とアウト・オブ・ディストリビューションの観点から評価する。
その結果,ほとんどの対人・OOD分類・翻訳作業において一貫した優位性を示した。
ChatGPTは対話関連テキストの理解において驚くべきパフォーマンスを示す。
論文 参考訳(メタデータ) (2023-02-22T11:01:20Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-12-16T13:57:41Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳(メタデータ) (2022-09-11T14:22:16Z) - A Multilingual Dataset of COVID-19 Vaccination Attitudes on Twitter [4.696697601424039]
新型コロナウイルスワクチンに関連するツイートのデータセットの収集と公開について述べる。
このデータセットは、西ヨーロッパから収集された2,198,090のツイートのIDで構成され、そのうち17,934件は原住民の予防接種姿勢に注釈付けされている。
論文 参考訳(メタデータ) (2022-06-27T13:44:48Z) - Benchmark Data and Evaluation Framework for Intent Discovery Around
COVID-19 Vaccine Hesitancy [12.035401834117335]
実際のユーザがVIRAで行う8k以上の対話のデータセットであるVIRADialogsをリリースする。
利用者の意図の急激な変化,ガイドラインの更新,あるいは新たな情報への対応などを踏まえて,本ユースケースにおける意図発見の重要な課題を強調した。
論文 参考訳(メタデータ) (2022-05-24T10:58:11Z) - 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) - Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link
Prediction [2.0625936401496237]
新型コロナウイルス(COVID-19)ワクチンに関するソーシャルメディアの誤報によって引き起こされたワクチンのヘシタシーは、大きなハードルとなった。
CoVaxLiesは、新型コロナウイルスワクチンに関するいくつかの誤報のターゲットに関連する、新しいツイートのデータセットである。
本手法は,誤情報検出をグラフリンク予測問題として用いた誤情報知識グラフにCoVaxLiesを整理する。
論文 参考訳(メタデータ) (2021-08-04T23:27:10Z) - On the Generation of Medical Dialogues for COVID-19 [60.63485429268256]
新型コロナウイルス関連の症状を患ったり、危険因子に晒されたりする人は、医師に相談する必要がある。
医療専門家が不足しているため、多くの人がオンライン相談を受けることができない。
本研究の目的は、新型コロナウイルス関連の相談を提供する医療対話システムの構築である。
論文 参考訳(メタデータ) (2020-05-11T21:23:43Z)
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。