Fugu-MT 論文翻訳(概要): Public Reaction to Scientific Research via Twitter Sentiment Prediction

論文の概要: Public Reaction to Scientific Research via Twitter Sentiment Prediction

arxiv url: http://arxiv.org/abs/2209.07333v1
Date: Sun, 11 Sep 2022 17:24:37 GMT
ステータス: 処理完了
システム内更新日: 2022-09-16 12:30:17.332242
Title: Public Reaction to Scientific Research via Twitter Sentiment Prediction
Title（参考訳）: Twitter Sentiment Predictionによる科学研究への公衆の反応
Authors: Murtuza Shahzad, Hamed Alhoori
Abstract要約: ソーシャルメディアユーザーは自分の考え、考え、感情を他のユーザーと共有する。オンラインユーザーが新しい研究結果にどのように反応するかは明らかになっていない。本研究の目的は,Twitter利用者が表現する感情の性質を科学的出版に向けて予測することである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Social media users share their ideas, thoughts, and emotions with other users. However, it is not clear how online users would respond to new research outcomes. This study aims to predict the nature of the emotions expressed by Twitter users toward scientific publications. Additionally, we investigate what features of the research articles help in such prediction. Identifying the sentiments of research articles on social media will help scientists gauge a new societal impact of their research articles.
Abstract（参考訳）: ソーシャルメディアユーザーは自分の考え、考え、感情を他のユーザーと共有する。しかし、オンラインユーザーが新たな研究結果にどう反応するかは明らかではない。本研究の目的は,Twitter利用者が表現する感情の性質を科学的出版に向けて予測することである。さらに,このような予測にどのような効果があるのかを考察する。ソーシャルメディアにおける研究論文の感情の特定は、研究者が研究論文の新たな社会的影響を評価するのに役立つだろう。

関連論文リスト

Web Scraping for Research: Legal, Ethical, Institutional, and Scientific Considerations [11.851771490297693]
本稿では,アメリカの研究者を対象とした社会科学研究におけるWebスクレイピングの包括的枠組みを提案する。我々は、研究者がスクラップを通じてデータにアクセスし、収集し、保存し、共有する方法に影響を及ぼす現在の規制環境の概要を述べる。次に、科学的に合法的で倫理的な方法でスクレーピングを行うための推奨事項を研究者に提供する。
論文参考訳（メタデータ） (2024-10-30T20:20:44Z)
Understanding Fine-grained Distortions in Reports of Scientific Findings [46.96512578511154]
歪んだ科学コミュニケーションは、不健康な行動の変化を招き、科学機関の信頼を低下させる可能性があるため、個人や社会に害を与える。近年の科学コミュニケーションの増大を考えると、科学出版物からの発見が一般大衆にどのように報告されるかについて、きめ細かい理解が不可欠である。
論文参考訳（メタデータ） (2024-02-19T19:00:01Z)
Forecasting high-impact research topics via machine learning on evolving knowledge graphs [0.8158530638728501]
我々は、研究者がこれまでに出版したことのないアイデアの発症の影響を予測する方法を示す。我々は、2200万以上の科学論文から構築された大きな進化した知識グラフを開発した。
論文参考訳（メタデータ） (2024-02-13T18:09:38Z)
Human-Centered Responsible Artificial Intelligence: Current & Future Trends [76.94037394832931]
近年、CHIコミュニティは人間中心のレスポンシブル人工知能の研究において著しい成長を遂げている。この研究はすべて、人権と倫理に根ざしたまま、人類に利益をもたらすAIを開発し、AIの潜在的な害を減らすことを目的としている。本研究グループでは,これらのトピックに関心のある学術・産業の研究者を集結させ,現在の研究動向と今後の研究動向を地図化することを目的とする。
論文参考訳（メタデータ） (2023-02-16T08:59:42Z)
Who Shares Fake News? Uncovering Insights from Social Media Users' Post Histories [0.0]
本稿では,ソーシャルメディア利用者の投稿履歴が,偽ニュース共有の研究にあまり使われていないことを提案する。偽ニュースの共有者を識別し、最も偽ニュースを共有する可能性が最も高いものを予測し、介入を構築するための有望な構成物を特定する。
論文参考訳（メタデータ） (2022-03-20T14:26:20Z)
What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
論文参考訳（メタデータ） (2021-11-09T07:45:11Z)
A Study on Herd Behavior Using Sentiment Analysis in Online Social Network [1.5673338088641469]
本稿では,オンラインソーシャルネットワーキングサイトからの批判的意見を予測するための多様な戦略の能力について述べる。ソーシャルメディアはここ数十年で良いメディアとなり、世界中の意見を共有している。本研究では,ソーシャルメディアコンテンツを用いた感情分析手法の評価を行った。
論文参考訳（メタデータ） (2021-07-25T05:22:35Z)
A Measure of Research Taste [91.3755431537592]
生産性と味の両方に報いる引用に基づく尺度を提案する。提示された尺度capは、出版物とその量の影響のバランスをとる。本研究では, 生物学, 計算機科学, 経済学, 物理分野の研究者を対象に, capの特性を解析した。
論文参考訳（メタデータ） (2021-05-17T18:01:47Z)
Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文参考訳（メタデータ） (2020-10-20T19:37:04Z)
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)
Measuring the Diversity of Facebook Reactions to Research [0.0]
クリックベースの反応を重み付けすることで,その理解度を高める方法を提案する。我々は,LDAトピックモデルと統計検査とともに,ユーザの感情反応が別の科学的トピックとどのように異なるかを調べる。 Facebookの科学的研究には概して肯定的な反応があり、ポジティブな感情的な反応を生み出す記事が広く共有される傾向にある。
論文参考訳（メタデータ） (2020-01-04T03:41:44Z)

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。