論文の概要: Multi-dimensional Racism Classification during COVID-19: Stigmatization,
Offensiveness, Blame, and Exclusion
- arxiv url: http://arxiv.org/abs/2208.13318v1
- Date: Mon, 29 Aug 2022 00:38:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 14:32:35.872828
- Title: Multi-dimensional Racism Classification during COVID-19: Stigmatization,
Offensiveness, Blame, and Exclusion
- Title(参考訳): COVID-19における多次元ラシズム分類--Sigmatization, Offensiveness, Blame, Exclusion
- Authors: Xin Pei, Deval Mehta
- Abstract要約: 我々は、人種差別検出のための多次元モデル、すなわち、スティグマティゼーション、攻撃性、非難、排除を開発する。
この分類学的検出は、新型コロナウイルス(COVID-19)中のデジタルプラットフォームにおける人種差別的議論の根底にある微妙さに関する洞察を可能にする。
- 参考スコア(独自算出の注目度): 1.0878040851638
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Transcending the binary categorization of racist texts, our study takes cues
from social science theories to develop a multi-dimensional model for racism
detection, namely stigmatization, offensiveness, blame, and exclusion. With the
aid of BERT and topic modeling, this categorical detection enables insights
into the underlying subtlety of racist discussion on digital platforms during
COVID-19. Our study contributes to enriching the scholarly discussion on
deviant racist behaviours on social media. First, a stage-wise analysis is
applied to capture the dynamics of the topic changes across the early stages of
COVID-19 which transformed from a domestic epidemic to an international public
health emergency and later to a global pandemic. Furthermore, mapping this
trend enables a more accurate prediction of public opinion evolvement
concerning racism in the offline world, and meanwhile, the enactment of
specified intervention strategies to combat the upsurge of racism during the
global public health crisis like COVID-19. In addition, this interdisciplinary
research also points out a direction for future studies on social network
analysis and mining. Integration of social science perspectives into the
development of computational methods provides insights into more accurate data
detection and analytics.
- Abstract(参考訳): 人種差別的テキストのバイナリ分類を超越して、社会科学理論からのヒントを得て、人種差別検出のための多次元モデル、すなわち、スティグマティゼーション、攻撃性、非難、排除を開発する。
BERTとトピックモデリングの助けを借りて、この分類学的検出は、新型コロナウイルス(COVID-19)中のデジタルプラットフォームにおける人種差別的議論の根底にある微妙さに関する洞察を可能にする。
本研究は,ソーシャルメディア上での先進的な人種差別行動に関する学術的議論の充実に寄与する。
第一に、国内流行から国際公衆衛生緊急事態、そして後に世界的なパンデミックへと変化した、新型コロナウイルスの初期段階における話題の変化のダイナミクスを、段階的に分析する。
さらに、この傾向をマッピングすることで、オフライン世界での人種差別に関する世論の進化をより正確に予測することが可能となり、一方、COVID-19のような世界的な公衆衛生危機において人種差別の高まりに対処するための特定の介入戦略が実行された。
さらに,この学際的な研究は,今後のソーシャルネットワーク分析と鉱業研究の方向性を示唆している。
社会科学の視点と計算手法の開発の統合は、より正確なデータ検出と分析への洞察を提供する。
関連論文リスト
- Decoding Susceptibility: Modeling Misbelief to Misinformation Through a
Computational Approach [63.67533153887132]
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) - A Comparative Analysis of the COVID-19 Infodemic in English and Chinese:
Insights from Social Media Textual Data [2.641576480886427]
新型コロナウイルス(COVID-19)のインフォデミック(インフォデミック)は、パンデミックに関連する誤報や未確認の主張が急速に広まるのを特徴としている。
本稿では、ソーシャルメディアプラットフォームから抽出したテキストデータを用いて、英語と中国語におけるCOVID-19インフォデミックの比較分析を行った。
論文 参考訳(メタデータ) (2023-11-14T08:55:11Z) - Bias and Fairness in Large Language Models: A Survey [76.65471160523444]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳(メタデータ) (2023-09-02T00:32:55Z) - Aggression and "hate speech" in communication of media users: analysis
of control capabilities [50.591267188664666]
著者らは新メディアにおける利用者の相互影響の可能性を検討した。
新型コロナウイルス(COVID-19)対策として、緊急の社会問題について議論する際、攻撃やヘイトスピーチのレベルが高いことが分かった。
結果は、現代のデジタル環境におけるメディアコンテンツの開発に有用である。
論文 参考訳(メタデータ) (2022-08-25T15:53:32Z) - 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) - Anatomizing Bias in Facial Analysis [86.79402670904338]
既存の顔分析システムでは、特定の集団群に対して偏りのある結果が得られることが示されている。
これらのシステムは、個人の性別、アイデンティティ、肌のトーンに基づいて差別されないようにすることが義務づけられている。
これはAIシステムにおけるバイアスの識別と緩和の研究につながった。
論文 参考訳(メタデータ) (2021-12-13T09:51:13Z) - Beyond a binary of (non)racist tweets: A four-dimensional categorical
detection and analysis of racist and xenophobic opinions on Twitter in early
Covid-19 [0.0]
本研究は、人種差別とキセノフォビア検出の4次元カテゴリ、すなわち、スティグマティゼーション、攻撃性、非難、排他性について研究する。
ディープラーニングのテクニックの助けを借りて、この分類的検出は、Twitter上で人種差別やキセノフォビック表現に反映される創発的トピックのニュアンスに関する洞察を可能にする。
論文 参考訳(メタデータ) (2021-07-18T02:37:31Z) - Towards Understanding and Mitigating Social Biases in Language Models [107.82654101403264]
大規模事前訓練言語モデル(LM)は、望ましくない表現バイアスを示すのに潜在的に危険である。
テキスト生成における社会的バイアスを軽減するためのステップを提案する。
我々の経験的結果と人的評価は、重要な文脈情報を保持しながらバイアスを緩和する効果を示す。
論文 参考訳(メタデータ) (2021-06-24T17:52:43Z) - On Analyzing Antisocial Behaviors Amid COVID-19 Pandemic [5.900114841365645]
新型コロナウイルスのパンデミックでオンラインの反社会的行動を研究する研究はほとんどない。
本稿では、4000万以上の新型コロナウイルス関連ツイートの大規模なデータセットを収集し、注釈を付けることで、研究ギャップを埋める。
また、アノテーション付きデータセットの実証分析を行い、新型コロナウイルスのパンデミックの中で、新しい虐待的レキシコンが導入されたことを発見した。
論文 参考訳(メタデータ) (2020-07-21T11:11:35Z) - #Coronavirus or #Chinesevirus?!: Understanding the negative sentiment
reflected in Tweets with racist hashtags across the development of COVID-19 [1.0878040851638]
人種差別的なハッシュタグでマークされたツイートに反映される否定的な感情の分析に焦点を当てた。
我々は、新型コロナウイルスの3つの発達段階とともに、ネガティブな感情がどのように変化するかを把握するためのステージベースのアプローチを提案する。
論文 参考訳(メタデータ) (2020-05-17T11:15:50Z) - Detecting East Asian Prejudice on Social Media [10.647940201343575]
本稿は,Twitterのソーシャルメディア投稿を,東アジアに対する敵意,東アジア批判,東アジア偏見のメタ・ディカッション,中立の4つのクラスに分類し分類する分類器の作成について報告する。
論文 参考訳(メタデータ) (2020-05-08T08:53:47Z)
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。