論文の概要: The drivers of online polarization: fitting models to data
- arxiv url: http://arxiv.org/abs/2205.15958v3
- Date: Fri, 12 May 2023 09:01:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-15 16:30:52.738427
- Title: The drivers of online polarization: fitting models to data
- Title(参考訳): オンライン分極の原動力:データに適合するモデル
- Authors: Carlo Michele Valensise, Matteo Cinelli, Walter Quattrociocchi
- Abstract要約: エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。
これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。
シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
- 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: Users online tend to join polarized groups of like-minded peers around shared
narratives, forming echo chambers. The echo chamber effect and opinion
polarization may be driven by several factors including human biases in
information consumption and personalized recommendations produced by feed
algorithms. Until now, studies have mainly used opinion dynamic models to
explore the mechanisms behind the emergence of polarization and echo chambers.
The objective was to determine the key factors contributing to these phenomena
and identify their interplay. However, the validation of model predictions with
empirical data still displays two main drawbacks: lack of systematicity and
qualitative analysis. In our work, we bridge this gap by providing a method to
numerically compare the opinion distributions obtained from simulations with
those measured on social media. To validate this procedure, we develop an
opinion dynamic model that takes into account the interplay between human and
algorithmic factors. We subject our model to empirical testing with data from
diverse social media platforms and benchmark it against two state-of-the-art
models. To further enhance our understanding of social media platforms, we
provide a synthetic description of their characteristics in terms of the
model's parameter space. This representation has the potential to facilitate
the refinement of feed algorithms, thus mitigating the detrimental effects of
extreme polarization on online discourse.
- Abstract(参考訳): オンラインのユーザーは、同じ考えを持つ仲間の分断グループと共有ナラティブの周りで参加し、エコーチャンバーを形成する傾向がある。
エコーチャンバー効果と意見分極は、情報消費における人間のバイアスやフィードアルゴリズムによって生成されたパーソナライズドレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。
これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。
目的は、これらの現象に寄与する重要な要因を特定し、それらの相互作用を特定することである。
しかし、経験的データによるモデル予測の検証には、体系性の欠如と定性的分析の2つの大きな欠点が残っている。
本研究は,シミュレーションから得られた意見分布とソーシャルメディアで測定した意見分布を数値的に比較する方法を提供することにより,このギャップを埋める。
この手法を検証するために,人間とアルゴリズムの相互作用を考慮した評価動的モデルを開発した。
我々は、さまざまなソーシャルメディアプラットフォームからのデータを用いて実験的なテストを行い、2つの最先端モデルと比較した。
さらに,ソーシャルメディアプラットフォームの理解を深めるために,モデルのパラメータ空間の観点から,それらの特徴を合成的に記述する。
この表現はフィードアルゴリズムの洗練を促進する可能性があり、オンラインの会話における極性分極の有害な効果を緩和する。
関連論文リスト
- From Efficiency to Equity: Measuring Fairness in Preference Learning [3.2132738637761027]
不平等とロウルシアン正義の経済理論に触発された嗜好学習モデルの公平性を評価する。
Gini Coefficient, Atkinson Index, Kuznets Ratio を用いて,これらのモデルの公平性を定量化するための指標を提案する。
論文 参考訳(メタデータ) (2024-10-24T15:25:56Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳(メタデータ) (2023-11-16T07:22:56Z) - Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。
ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文 参考訳(メタデータ) (2022-10-28T14:38:50Z) - Towards Explaining Demographic Bias through the Eyes of Face Recognition
Models [6.889667606945215]
データとアルゴリズムの両方に固有のバイアスは、機械学習(ML)ベースの意思決定システムの公平性を最適以下にする。
我々は、異なる人口集団を処理する際に、顔認識モデルの振る舞いの違いを分析する一連の説明可能性ツールを提供することを目標としている。
我々は、アクティベーションマップに基づく高次統計情報を活用して、FRモデルの行動差を特定の顔領域に関連付ける説明可能性ツールを構築する。
論文 参考訳(メタデータ) (2022-08-29T07:23:06Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳(メタデータ) (2022-08-10T03:41:48Z) - Cascade-based Echo Chamber Detection [16.35164446890934]
ソーシャルメディアのエコーチャンバーは かなり精査されています
本稿では,ソーシャルメディアのフットプリントを説明する確率的生成モデルを提案する。
本研究では,姿勢検出や将来の伝搬予測などの補助的予測タスクにおいて,モデルが精度を向上させる方法を示す。
論文 参考訳(メタデータ) (2022-08-09T09:30:38Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳(メタデータ) (2022-02-18T22:41:51Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳(メタデータ) (2020-10-15T16:39:26Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z) - Learning Opinion Dynamics From Social Traces [25.161493874783584]
本稿では,現実の社会的トレースに,生成的,エージェントライクな意見力学モデルを適用するための推論機構を提案する。
本稿では,古典的エージェントに基づく意見力学モデルから,その生成的モデルへの変換による提案について紹介する。
われわれのモデルをRedditの現実世界のデータに適用して、バックファイア効果の影響に関する長年にわたる疑問を探る。
論文 参考訳(メタデータ) (2020-06-02T14:48:17Z)
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。