論文の概要: Understanding Interpersonal Conflict Types and their Impact on
Perception Classification
- arxiv url: http://arxiv.org/abs/2208.08758v1
- Date: Thu, 18 Aug 2022 10:39:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-19 13:27:33.578897
- Title: Understanding Interpersonal Conflict Types and their Impact on
Perception Classification
- Title(参考訳): 対人衝突タイプ理解と知覚分類への影響
- Authors: Charles Welch, Joan Plepi, B\'ela Neuendorf, Lucie Flek
- Abstract要約: 我々は、新しいアノテーションスキームを使用し、コンフリクトアスペクトアノテーションとコンフリクトアスペクトアノテーションの新しいデータセットをリリースする。
次に、ある状況において、ある個人の行動が正しいものであると認識するかどうかを予測する分類器を構築します。
我々の発見は、紛争や社会規範を理解する上で重要な意味を持つ。
- 参考スコア(独自算出の注目度): 7.907976678407914
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Studies on interpersonal conflict have a long history and contain many
suggestions for conflict typology. We use this as the basis of a novel
annotation scheme and release a new dataset of situations and conflict aspect
annotations. We then build a classifier to predict whether someone will
perceive the actions of one individual as right or wrong in a given situation,
outperforming previous work on this task. Our analyses include conflict
aspects, but also generated clusters, which are human validated, and show
differences in conflict content based on the relationship of participants to
the author. Our findings have important implications for understanding conflict
and social norms.
- Abstract(参考訳): 対人対立の研究は長い歴史を持ち、紛争タイプ論に関する多くの示唆を含んでいる。
我々は、これを新しいアノテーションスキームの基礎として使用し、新しい状況とコンフリクトアスペクトアノテーションのデータセットをリリースする。
次に、ある状況において、ある個人の行動が正しいものであるか間違っているかを予測し、このタスクの以前の作業を上回るように分類器を構築します。
本分析では,コンフリクトの側面だけでなく,人間が検証したクラスタも含み,参加者と著者の関係に基づくコンフリクトの内容の違いを示す。
我々の発見は紛争や社会規範を理解する上で重要な意味を持つ。
関連論文リスト
- GRASP: A Disagreement Analysis Framework to Assess Group Associations in Perspectives [18.574420136899978]
本稿では,グループ関係を,異なるレーダサブグループ間の視点で測定するための総合的不一致分析フレームワークGRASPを提案する。
本フレームワークは,特定のタスクにおいて他と大きく異なる視点を持つ特定のレーダ群を明らかにし,特定のタスクコンテキストにおいて考慮すべき人口動態の同定を支援する。
論文 参考訳(メタデータ) (2023-11-09T00:12:21Z) - Dimensions of Online Conflict: Towards Modeling Agonism [2.471304332463658]
アゴニズムは多様な視点と堅固な議論を育むことで民主的対話において重要な役割を担っている。
これら2つの対立をモデル化するために、議論の的になっているトピックに関するTwitterの会話を収集した。
本稿では,会話におけるコンフリクトの異なる次元をラベル付けするための包括的なアノテーションスキーマを提案する。
論文 参考訳(メタデータ) (2023-11-06T22:34:17Z) - Rehearsal: Simulating Conflict to Teach Conflict Resolution [54.32934135393982]
リハーサル(Rehearsal)は、ユーザーがシミュレート可能なインターロケータで競合をリハーサルできるシステムである。
ユーザはRehearsalを使って、事前に定義されたさまざまなコンフリクトシナリオの処理を実践できる。
リハーサルはIRPを使って紛争解決理論に基づく発話を生成する。
論文 参考訳(メタデータ) (2023-09-21T17:59:20Z) - Active and Passive Causal Inference Learning [51.91564516458894]
本稿では,因果推論に関心を持つ機械学習研究者,技術者,学生の出発点となる。
まず、因果同定に総合的に必要とされる重要な仮定のセットを配置することから始めます。
私たちは、それらを2つのバケット、アクティブとパッシブのアプローチに分類することで、重要な因果推論テクニックのセットを構築します。
論文 参考訳(メタデータ) (2023-08-18T02:23:48Z) - Getting Sick After Seeing a Doctor? Diagnosing and Mitigating Knowledge Conflicts in Event Temporal Reasoning [87.92209048521153]
出来事の時間的推論は、物語から2つ以上の出来事の間の時間的関係を特定することを目的としている。
知識の衝突は、コンテキスト内の事象の実際の時間的関係と、モデルによって学習された事前の知識やバイアスとの間にミスマッチがあるときに起こる。
論文 参考訳(メタデータ) (2023-05-24T10:04:06Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳(メタデータ) (2023-03-25T09:34:05Z) - Unifying Data Perspectivism and Personalization: An Application to
Social Norms [10.480094567764606]
13kのアノテーションと210kの社会的規範の判断による対立に関するソーシャルメディア投稿のコーパスについて検討する。
本稿では,アノテータのモデリングにパーソナライズ手法を適用し,社会的規範の知覚を予測する上での有効性を比較した。
論文 参考訳(メタデータ) (2022-10-26T07:43:26Z) - Didn't see that coming: a survey on non-verbal social human behavior
forecasting [47.99589136455976]
近年,非言語的社会的行動予測が研究コミュニティの関心を集めている。
人間とロボットの相互作用や社会的に認識された人間のモーション生成への直接的な応用は、非常に魅力的な分野である。
本稿では,複数の対話エージェントに対する行動予測問題を,社会的信号予測と人間の動作予測の分野の統合を目的とした汎用的な方法で定義する。
論文 参考訳(メタデータ) (2022-03-04T18:25:30Z) - Adversarial Attacks and Defenses: An Interpretation Perspective [80.23908920686625]
敵の攻撃と防御に関する最近の研究、特に機械学習の解釈の観点から概観する。
モデル解釈(モデル解釈、英: model interpretation)または解釈可能な機械学習(英: interpretable machine learning)の目標は、モデルの動作メカニズムに対する人間の理解可能な用語を抽出することである。
それぞれの解釈に対して、敵の攻撃や防御にどのように使用できるかについて詳述する。
論文 参考訳(メタデータ) (2020-04-23T23:19:00Z)
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。