論文の概要: What are People Talking about in #BlackLivesMatter and #StopAsianHate?
Exploring and Categorizing Twitter Topics Emerging in Online Social Movements
through the Latent Dirichlet Allocation Model
- arxiv url: http://arxiv.org/abs/2205.14725v2
- Date: Mon, 19 Sep 2022 04:08:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:19:47.581284
- Title: What are People Talking about in #BlackLivesMatter and #StopAsianHate?
Exploring and Categorizing Twitter Topics Emerging in Online Social Movements
through the Latent Dirichlet Allocation Model
- Title（参考訳）: #BlackLivesMatterと#StopAsianHateで何が語られているのか?
潜在ディリクレ配置モデルによるオンライン社会運動におけるTwitterトピックの探索と分類
- Authors: Xin Tong, Yixuan Li, Jiayi Li, Rongqi Bei, Luyao Zhang
- Abstract要約: Black Lives Matter(BLM)とStop Asian Hate(SAH)は、Twitter上で拡散した2つのソーシャルムーブメントである。
本研究では、BLMとSAHのトピックを包括的に分析するために、混合メソッドアプローチを採用する。
われわれは#blacklivesmatterと#stopasianhateハッシュタグで100万以上のツイートを収集し、それらのトピックを比較した。
- 参考スコア（独自算出の注目度）: 27.53788299995914
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Minority groups have been using social media to organize social movements
that create profound social impacts. Black Lives Matter (BLM) and Stop Asian
Hate (SAH) are two successful social movements that have spread on Twitter that
promote protests and activities against racism and increase the public's
awareness of other social challenges that minority groups face. However,
previous studies have mostly conducted qualitative analyses of tweets or
interviews with users, which may not comprehensively and validly represent all
tweets. Very few studies have explored the Twitter topics within BLM and SAH
dialogs in a rigorous, quantified and data-centered approach. Therefore, in
this research, we adopted a mixed-methods approach to comprehensively analyze
BLM and SAH Twitter topics. We implemented (1) the latent Dirichlet allocation
model to understand the top high-level words and topics and (2) open-coding
analysis to identify specific themes across the tweets. We collected more than
one million tweets with the #blacklivesmatter and #stopasianhate hashtags and
compared their topics. Our findings revealed that the tweets discussed a
variety of influential topics in depth, and social justice, social movements,
and emotional sentiments were common topics in both movements, though with
unique subtopics for each movement. Our study contributes to the topic analysis
of social movements on social media platforms in particular and the literature
on the interplay of AI, ethics, and society in general.
- Abstract（参考訳）: マイノリティグループはソーシャルメディアを使って社会運動を組織し、社会的な影響を生んでいる。
ブラック・ライブズ・マター(BLM)とストップ・アジア・ヘイト(SAH)は、Twitter上に広がり、人種差別に対する抗議活動や活動を促進し、少数派グループが直面する他の社会的課題に対する大衆の認識を高めている。
しかし、これまでの研究では、ツイートやユーザとのインタビューの質的な分析がほとんどであり、全ツイートを包括的かつ有効に表現することはできない。
厳密で定量化され、データ中心のアプローチで、BLMとSAHダイアログ内のTwitterトピックを探索する研究はほとんどない。
そこで本研究では,BLMとSAHのトピックを包括的に分析するための混合メソッドアプローチを採用した。
1)高レベルな単語や話題を理解するために潜在ディリクレ割当モデルを実装し,(2)ツイート中の特定のテーマを特定するオープンコーディング分析を行った。
われわれは#blacklivesmatterと#stopasianhateハッシュタグで100万以上のツイートを収集し、それらのトピックを比較した。
以上の結果から,このツイートは,社会正義,社会運動,情緒的感情など,各運動に特有のサブトピックを持ちながら,様々な影響力のあるトピックを議論していることが明らかとなった。
本研究は、特にソーシャルメディアプラットフォームにおける社会運動のトピック分析と、AI、倫理、社会全般の相互作用に関する文献に寄与する。
関連論文リスト
- Exploring Gender-Based Toxic Speech on Twitter in Context of the #MeToo
movement: A Mixed Methods Approach [2.454909090258064]
#運動は、セクシャルハラスメントや暴行を取り巻く大衆の言論を助長し、生存者に自分の話を共有させ、加害者を責任を負わせるよう促した。
本研究は、ソーシャルメディアプラットフォームであるTwitter上で、女性や男性に対する敵意の高まりという形で、潜在的にネガティブな結果をもたらす可能性を検討することを目的としている。
2017年10月から2020年1月までの間に、自身の性的虐待経験をTwitter上で公表した47.1k人以上の個人によって共有されたツイートを分析したり、運動に関する議論を行ったりすることで、運動の開始以来、男女双方に対するジェンダーベースの敵意の全体的な増加を確認した。
論文 参考訳（メタデータ） (2023-08-24T20:45:12Z) - A deep dive into the consistently toxic 1% of Twitter [9.669275987983447]
この調査は、112万のTwitterプロフィールから14年間のツイートと2億2300万以上のツイートをカバーしている。
有害なコンテンツの一貫性の観点から最も極端なプロファイルを選択し、彼らのツイートテキストと、彼らが共有したドメイン、ハッシュタグ、URLを調べました。
その結果、これらのプロファイルはハッシュタグ、URL、ドメインの多様性の低い狭いテーマに保たれており、数学的に互いに似ており、ボットのような振る舞いの可能性が高いことがわかった。
論文 参考訳（メタデータ） (2022-02-16T04:21:48Z) - What goes on inside rumour and non-rumour tweets and their reactions: A
Psycholinguistic Analyses [58.75684238003408]
ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。
本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
論文 参考訳（メタデータ） (2021-11-09T07:45:11Z) - What Truly Matters? Using Linguistic Cues for Analyzing the
#BlackLivesMatter Movement and its Counter Protests: 2013 to 2020 [31.670509436139735]
米国では、警察の残虐行為と人種的に動機付けられた事件に対処するデジタルアクティビズムが著しく増加した。
ソーシャルメディアを権威的ツールとして用いて,これら3つのメディアにおける言語的手がかりと主題的関係を調べ,分析する。
以上の結果から,人種的関連性や偏見的ハッシュタグの過剰使用は,差別傾向を示す反抗運動に有効であることが示唆された。
論文 参考訳（メタデータ） (2021-09-20T18:34:30Z) - TweetBLM: A Hate Speech Dataset and Analysis of Black Lives
Matter-related Microblogs on Twitter [2.741266294612776]
我々は,Black Lives Matter に関連するツイートヘイトスピーチデータセット TweetBLM を提案する。
私たちのデータセットは、Black Lives Matter運動をターゲットとする、手動で注釈付けされたツイート9165です。
論文 参考訳（メタデータ） (2021-08-27T22:47:02Z) - 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) - Demographic Representation and Collective Storytelling in the Me Too
Twitter Hashtag Activism Movement [17.672730162091526]
Twitterの#ムーブメントは、セクハラや暴力の広がりに注意を向けている。
性別と人種/民族間の会話をオンラインで調べる。
白人女性が投稿したツイートは、他の人口統計と比較すると、このムーブメントで過剰に表現されていた。
論文 参考訳（メタデータ） (2020-10-13T15:25:33Z) - 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) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z) - #MeToo on Campus: Studying College Sexual Assault at Scale Using Data
Reported on Social Media [71.74529365205053]
我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。
その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。
この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
論文 参考訳（メタデータ） (2020-01-16T18:05:46Z)
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。