論文の概要: Predicting Political Ideology from Digital Footprints

• arxiv url: http://arxiv.org/abs/2206.00397v1
• Date: Wed, 1 Jun 2022 11:03:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-02 16:41:07.901225
• Title: Predicting Political Ideology from Digital Footprints
• Title（参考訳）: デジタル足跡から政治イデオロギーを予測する
• Authors: Michael Kitchener, Nandini Anantharama, Simon D. Angus, Paul A. Raschky
• Abstract要約: 本稿では,世界最大規模のオンラインディスカッションフォーラム上で,デジタルフットプリントから個人の政治的イデオロギーを予測する新しい手法を提案する。 約91,000人のユーザの政治的イデオロギーに関する情報を含むオンラインディスカッションフォーラムから,ユニークなデータセットを収集した。
• 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: This paper proposes a new method to predict individual political ideology from digital footprints on one of the world's largest online discussion forum. We compiled a unique data set from the online discussion forum reddit that contains information on the political ideology of around 91,000 users as well as records of their comment frequency and the comments' text corpus in over 190,000 different subforums of interest. Applying a set of statistical learning approaches, we show that information about activity in non-political discussion forums alone, can very accurately predict a user's political ideology. Depending on the model, we are able to predict the economic dimension of ideology with an accuracy of up to 90.63% and the social dimension with and accuracy of up to 82.02%. In comparison, using the textual features from actual comments does not improve predictive accuracy. Our paper highlights the importance of revealed digital behaviour to complement stated preferences from digital communication when analysing human preferences and behaviour using online data.
• Abstract（参考訳）: 本稿では,世界最大規模のオンライン討論フォーラムにおいて,デジタル足跡から個々の政治イデオロギーを予測する新しい手法を提案する。 我々は、約91,000人のユーザの政治的イデオロギー、コメント頻度の記録、コメントのテキストコーパスを190,000以上の異なるサブフォーラムで収集した。 統計学習の手法を駆使して,非政治討論フォーラムにおける活動に関する情報が,ユーザの政治イデオロギーを極めて正確に予測できることを示す。 モデルによっては、イデオロギーの経済的次元を最大90.63%、社会的次元を最大82.02%の精度で予測することができる。 比較として、実際のコメントからのテキスト機能を使用することは、予測精度を向上しない。 本稿では,オンラインデータを用いた人間の嗜好や行動の分析において,デジタルコミュニケーションから提示された嗜好を補完するデジタル行動の重要性を強調する。

関連論文リスト

• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Quantitative Analysis of Forecasting Models:In the Aspect of Online Political Bias [0.0]
  ソーシャルメディア投稿を5つの異なる政治傾向カテゴリーに分類する手法を提案する。 我々のアプローチは、政治的イデオロギーの異なる2つのソーシャルメディアデータセット上で、既存の時系列予測モデルを活用することである。
  論文  参考訳（メタデータ） (2023-09-11T16:17:24Z)
• Changes in Policy Preferences in German Tweets during the COVID Pandemic [4.663960015139793]
  政治的嗜好の微妙なアノテーションを付加した新しいツイートデータセットを提示する。 このデータに基づいて訓練されたテキスト分類モデルを用いて、政治的意見を抽出する。 その結果、新型コロナウイルスのパンデミックを受けて、政治的意見の表現が増加したことが示唆された。
  論文  参考訳（メタデータ） (2023-07-31T16:07:28Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• PAR: Political Actor Representation Learning with Social Context and Expert Knowledge [45.215862050840116]
  我々は,textbfPolitical textbfActor textbfRepresentation学習フレームワークであるtextbfPARを提案する。 我々は,社会的文脈情報を活用するために,議員に関する事実文を検索し,抽出する。 次に、社会的文脈を取り入れた異種情報ネットワークを構築し、リレーショナルグラフニューラルネットワークを用いて立法者表現を学習する。
  論文  参考訳（メタデータ） (2022-10-15T19:28:06Z)
• Does Twitter know your political views? POLiTweets dataset and semi-automatic method for political leaning discovery [0.0]
  POLiTweetsは、複数政党のセットアップで政治的アフィリエイトを発見するための、ポーランド初の公開データセットである。 ポーランド語で書かれたユーザ約10万のツイートと、166人のユーザ約40万のツイートが、手動でテストセットとして注釈付けされている。 私たちは、トピックやコンテンツライターのタイプ、一般市民対プロの政治家のコンテキストにおけるドメインシフトの側面を研究するために、私たちのデータを使用しました。
  論文  参考訳（メタデータ） (2022-06-14T10:28:23Z)
• A Machine Learning Pipeline to Examine Political Bias with Congressional Speeches [0.3062386594262859]
  私たちは、2つのイデオロギー的に多様なソーシャルメディアフォーラム、GabとTwitterで、政治的偏見を研究するための機械学習アプローチを提供します。 提案手法は,米国議会の政治演説から収集したテキストを用いて,そのデータをラベル付けする手法である。 また、カスケードとテキストの特徴を組み合わせて、カスケードの政治的偏見を約85%の精度で予測する機械学習アプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-18T21:15:21Z)
• Face Off: Polarized Public Opinions on Personal Face Mask Usage during the COVID-19 Pandemic [77.34726150561087]
  様々な政府機関による一連の政策変更は、フェイスマスクの偏光に寄与したと推測されている。 新型コロナウイルスの感染拡大に伴う米国でのマスクに対する国民の感情を正確に評価するための新しいアプローチを提案する。 2つの重要な政策シフトの出来事が、共和党と民主党の両方の感情の統計的に重要な変化に寄与している。
  論文  参考訳（メタデータ） (2020-10-31T18:52:41Z)
• 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)

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。