論文の概要: Top Gear or Black Mirror: Inferring Political Leaning From Non-Political Content

• arxiv url: http://arxiv.org/abs/2208.05662v1
• Date: Thu, 11 Aug 2022 06:41:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-12 13:38:22.370258
• Title: Top Gear or Black Mirror: Inferring Political Leaning From Non-Political Content
• Title（参考訳）: トップギアかブラックミラー:非政治コンテンツから政治的リーンを推測する
• Authors: Ahmet Kurnaz and Scott A. Hale
• Abstract要約: 分極とエコーチャンバーは選挙のような明確な政治的出来事の文脈でしばしば研究される。 非政治的文脈における政治的分極は、しばしば不明である。 政治的傾きは「ラテ・ドライキング・リベラル」のようなステレオタイプにつながる多くのライフスタイルの選択と相関することが知られている。
• 参考スコア（独自算出の注目度）: 8.435739379764408
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Polarization and echo chambers are often studied in the context of explicitly political events such as elections, and little scholarship has examined the mixing of political groups in non-political contexts. A major obstacle to studying political polarization in non-political contexts is that political leaning (i.e., left vs right orientation) is often unknown. Nonetheless, political leaning is known to correlate (sometimes quite strongly) with many lifestyle choices leading to stereotypes such as the "latte-drinking liberal." We develop a machine learning classifier to infer political leaning from non-political text and, optionally, the accounts a user follows on social media. We use Voter Advice Application results shared on Twitter as our groundtruth and train and test our classifier on a Twitter dataset comprising the 3,200 most recent tweets of each user after removing any tweets with political text. We correctly classify the political leaning of most users (F1 scores range from 0.70 to 0.85 depending on coverage). We find no relationship between the level of political activity and our classification results. We apply our classifier to a case study of news sharing in the UK and discover that, in general, the sharing of political news exhibits a distinctive left-right divide while sports news does not.
• Abstract（参考訳）: 分極とエコーチャンバーは選挙のような明確な政治的出来事の文脈でしばしば研究され、非政治的文脈における政治的集団の混合についてはほとんど研究されていない。 非政治的文脈における政治的分極の研究の大きな障害は、政治的傾き(左と右の向き)がしばしば不明であることである。 にもかかわらず、政治的傾きは、多くのライフスタイルの選択肢と(時に非常に強く)相関していることが知られている。 我々は、非政治的テキストから政治的傾倒を推測する機械学習分類器を開発し、ユーザがソーシャルメディアでフォローするアカウントを任意に作成する。 私たちは、twitterで共有された投票者アドバイスアプリケーションの結果を土台として使用し、政治的テキストでツイートを削除した後、各ユーザーの最新の3200ツイートからなるtwitterデータセットで分類器を訓練し、テストします。 われわれは、ほとんどのユーザーの政治的傾きを正しく分類する(F1スコアはカバー範囲によって0.70から0.85まで)。 政治活動のレベルと分類結果には何の関係も見つからない。 イギリスにおけるニュース共有のケーススタディに適用し、一般に、政治ニュースの共有は、スポーツニュースがそうでない間に、独特の左右の隔たりを示す。

関連論文リスト

• Generalizing Political Leaning Inference to Multi-Party Systems: Insights from the UK Political Landscape [10.798766768721741]
  ソーシャルメディアユーザーの政治的傾きを推測する能力は、世論調査の収集に役立つ。 政治的傾きと相互のインタラクションによってラベル付けされたユーザからなるデータセットをリリースする。 我々は、ユーザー間のリツイートという形でのインタラクションが、政治的に傾いた推論を可能にする、非常に強力な機能であることを示します。
  論文  参考訳（メタデータ） (2023-12-04T09:02:17Z)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [57.70351255180495]
  深層学習に基づくコンピュータビジョンのアルゴリズムを、15カ国の政治指導者を描いた220本のYouTubeビデオのサンプルに適用する。 ポピュリスト・レトリックの度合いが異なるリーダー群間での否定的感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)
• 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)
• Tweets2Stance: Users stance detection exploiting Zero-Shot Learning Algorithms on Tweets [0.06372261626436675]
  この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。 複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-04-22T14:00:11Z)
• Millions of Co-purchases and Reviews Reveal the Spread of Polarization and Lifestyle Politics across Online Markets [68.8204255655161]
  多様な市場において,異なる製品セグメントにおける分極とライフスタイル政治の広範性について検討する。 政治的に関連性があり、整列し、偏極化した製品カテゴリーを見つけるために、218万の市場組織間で236万の関連をサンプリングした。 文化製品は他のどの部分よりも4倍偏光度が高い。
  論文  参考訳（メタデータ） (2022-01-17T18:16:37Z)
• Demographic Confounding Causes Extreme Instances of Lifestyle Politics on Facebook [73.37786708074361]
  ライフスタイル政治の最も極端な例は、人種や民族のような人口層によって高度に構築されたものである。 リベラルな関心は電気自動車、プランテッド・ペアレントフード、リベラルな風刺であり、一方最も保守的な関心は共和党や保守的なコメンテーターだった。
  論文  参考訳（メタデータ） (2022-01-17T16:48:00Z)
• 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)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)
• 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)
• Political Posters Identification with Appearance-Text Fusion [49.55696202606098]
  外観特徴とテキストベクトルを効率的に活用し, 政治ポスターを高精度に分類する手法を提案する。 この作品の大半は、特定の政治イベントのプロモーションとして機能するように設計された政治ポスターに焦点を当てている。
  論文  参考訳（メタデータ） (2020-12-19T16:14:51Z)

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。