論文の概要: Longitudinal Sentiment Analyses for Radicalization Research:
Intertemporal Dynamics on Social Media Platforms and their Implications
- arxiv url: http://arxiv.org/abs/2210.00339v1
- Date: Sat, 1 Oct 2022 18:30:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 14:06:23.887387
- Title: Longitudinal Sentiment Analyses for Radicalization Research:
Intertemporal Dynamics on Social Media Platforms and their Implications
- Title（参考訳）: ラジカル化研究のための縦断感度分析:ソーシャルメディアプラットフォームにおける時間的ダイナミクスとその意味
- Authors: Dennis Klinkhammer
- Abstract要約: ソーシャルメディアプラットフォーム上での縦断的感情分析が時間的ダイナミクスをどのように表現できるかを考察する。
2021年1月6日、ワシントン州で起きた米国議会議事堂の暴風事件の日のツイートを分析します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This discussion paper demonstrates how longitudinal sentiment analyses can
depict intertemporal dynamics on social media platforms, what challenges are
inherent and how further research could benefit from a longitudinal
perspective. Furthermore and since tools for sentiment analyses shall simplify
and accelerate the analytical process regarding qualitative data at acceptable
inter-rater reliability, their applicability in the context of radicalization
research will be examined regarding the Tweets collected on January 6th 2021,
the day of the storming of the U.S. Capitol in Washington. Therefore, a total
of 49,350 Tweets will be analyzed evenly distributed within three different
sequences: before, during and after the U.S. Capitol in Washington was stormed.
These sequences highlight the intertemporal dynamics within comments on social
media platforms as well as the possible benefits of a longitudinal perspective
when using conditional means and conditional variances. Limitations regarding
the identification of supporters of such events and associated hate speech as
well as common application errors will be demonstrated as well. As a result,
only under certain conditions a longitudinal sentiment analysis can increase
the accuracy of evidence based predictions in the context of radicalization
research.
- Abstract（参考訳）: 本稿では,ソーシャルメディアプラットフォーム上での縦断的感情分析が時間的ダイナミックスをどのように表すか,課題は何か,さらに縦断的視点から研究がもたらすメリットについて述べる。
さらに、感傷分析のためのツールが、許容された周波数間信頼性で定性的データに関する分析プロセスを簡素化し、加速するので、2021年1月6日にワシントンで起きた米国議会議事堂襲撃の日、急進化研究におけるそれらの適用性について検討する。
そのため、ワシントンの連邦議会議事堂の前後の3つのシーケンスで、合計49,350のつぶやきが均等に分析される。
これらのシーケンスは、ソーシャルメディアプラットフォーム上でのコメントの時間的ダイナミクスと、条件付き手段と条件付き分散を用いた場合の長手視点の利点を強調している。
このような出来事の支持者の特定と関連するヘイトスピーチ、および一般的なアプリケーションエラーに関する制限も示します。
その結果, ある条件下では, 過激化研究の文脈において, 証拠に基づく予測の精度を高めることができる。
関連論文リスト
- A Temporal Psycholinguistics Approach to Identity Resolution of Social Media Users [1.8130068086063336]
本稿では,ソーシャルメディア上での投稿の話題,感情,タイミングを用いて,ソーシャルメディアプラットフォーム全体のアイデンティティ解決手法を提案する。
DisqusとTwitterから5000のプロフィールの公開投稿を収集した後、その投稿を分析し、2つのプラットフォームにわたるプロフィールにマッチさせる。
論文 参考訳（メタデータ） (2024-07-29T13:00:36Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-24T08:08:05Z) - It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。
現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。
本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
論文 参考訳（メタデータ） (2023-12-27T10:44:58Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
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) - Generic Temporal Reasoning with Differential Analysis and Explanation [61.96034987217583]
時間差分解析でギャップを埋めるTODAYという新しいタスクを導入する。
TODAYは、システムがインクリメンタルな変化の効果を正しく理解できるかどうかを評価する。
共同学習においてTODAYの指導スタイルと説明アノテーションが有効であることを示す。
論文 参考訳（メタデータ） (2022-12-20T17:40:03Z) - 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) - Extracting Large Scale Spatio-Temporal Descriptions from Social Media [1.14219428942199]
大規模イベントの追跡能力は、それらを理解し、適切なタイムリーな方法で反応を調整するために不可欠である。
我々は、ソーシャルメディアのような半構造化データソースを取り込み、このようなデータを拡張できるという仮説を模索している。
ソーシャルメディアは、直接の目撃者や専門家の意見などの貴重な知識を拡散しうるが、その騒々しい性質は、それらを管理しやすくするものではない。
論文 参考訳（メタデータ） (2022-06-27T13:16:43Z) - The Problem of Semantic Shift in Longitudinal Monitoring of Social
Media: A Case Study on Mental Health During the COVID-19 Pandemic [15.002282686061905]
ソーシャルメディアは、研究者が言語分析ツールに基づいて、社会や文化の変化を時間とともに追跡することを可能にする。
これらのツールの多くは、特定の種類の言語に調整する必要がある統計アルゴリズムに依存している。
近年の研究では、セマンティックシフトの存在下では、適切なチューニングが存在しないことが、基礎となる手法の堅牢性を妨げることが示されている。
論文 参考訳（メタデータ） (2022-06-22T15:09:28Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳（メタデータ） (2022-01-27T22:15:56Z) - Capturing Stance Dynamics in Social Media: Open Challenges and Research
Directions [6.531659195805749]
ソーシャルメディアプラットフォームは、幅広い社会的関心の問題に関する世論を掘り下げるために金鉱を提供する。
オピニオンマイニング(オピニオンマイニング)は、個々のソーシャルメディア投稿のスタンスを捉え、集約することで、運用できる問題である。
デジタルメディアにおける人的コミュニケーションの時間的進化と計算言語学の交わりについて検討する。
論文 参考訳（メタデータ） (2021-09-01T16:28:24Z) - Improving Cyberbully Detection with User Interaction [34.956581421295]
本稿では,ユーザインタラクションの時間的ダイナミクスとトピックコヒーレンスをモデル化するためのグラフベース手法を提案する。
我々は,セッションレベルのいじめ検出とコメントレベルの事例スタディのタスクにより,アプローチの有効性を実証的に評価した。
論文 参考訳（メタデータ） (2020-11-01T08:47:33Z)
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。