論文の概要: The Ethical Risks of Analyzing Crisis Events on Social Media with Machine Learning

• arxiv url: http://arxiv.org/abs/2210.03352v1
• Date: Fri, 7 Oct 2022 06:54:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 15:19:35.344781
• Title: The Ethical Risks of Analyzing Crisis Events on Social Media with Machine Learning
• Title（参考訳）: 機械学習によるソーシャルメディア上の危機事象分析の倫理的リスク
• Authors: Angelie Kraft and Ricardo Usbeck
• Abstract要約: ソーシャルメディアプラットフォームは、世界規模で危機イベントに関するリアルタイムニュースの連続ストリームを提供する。 いくつかの機械学習手法は、クラウドソースされたデータを用いて、危機の自動検出と、その前駆体と後駆体のキャラクタリゼーションを行う。 本研究は、機械学習手法に着目した危機事象のソーシャルメディア分析における倫理的リスク要因を特定し、分析する。
• 参考スコア（独自算出の注目度）: 0.7817685358710509
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media platforms provide a continuous stream of real-time news regarding crisis events on a global scale. Several machine learning methods utilize the crowd-sourced data for the automated detection of crises and the characterization of their precursors and aftermaths. Early detection and localization of crisis-related events can help save lives and economies. Yet, the applied automation methods introduce ethical risks worthy of investigation - especially given their high-stakes societal context. This work identifies and critically examines ethical risk factors of social media analyses of crisis events focusing on machine learning methods. We aim to sensitize researchers and practitioners to the ethical pitfalls and promote fairer and more reliable designs.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、世界規模で危機イベントに関するリアルタイムニュースの連続ストリームを提供する。 いくつかの機械学習手法は、クラウドソースデータを利用して、危機の自動検出と、その前兆と余波のキャラクタリゼーションを行う。 危機関連事象の早期発見と局所化は、命と経済の救世に役立つ。 しかし、適用された自動化手法は、調査に値する倫理的リスクをもたらします。 本研究は、機械学習手法に着目した危機事象のソーシャルメディア分析における倫理的リスク要因を特定し、分析する。 我々は,研究者や実践者が倫理的落とし穴に敏感になり,より公平で信頼性の高いデザインを促進することを目指している。

関連論文リスト

• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet Classification via Memory Bank [52.20298962359658]
  危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。 完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。 半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。 本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:25:51Z)
• CrisisLTLSum: A Benchmark for Local Crisis Event Timeline Extraction and Summarization [62.77066949111921]
  本稿では,現在までに利用可能な地域危機イベントタイムラインの最大のデータセットであるCrisisLTLSumについて述べる。 CrisisLTLSumには、山火事、地元の火災、交通、嵐の4つの領域にわたる1000の危機イベントタイムラインが含まれている。 最初の実験では, 両タスクの人的性能と比較して, 強いベースライン性能の間に有意な差があることが示唆された。
  論文  参考訳（メタデータ） (2022-10-25T17:32:40Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• On the interplay of data and cognitive bias in crisis information management -- An exploratory study on epidemic response [0.0]
  人道的危機は、アナリストや意思決定者のデータや認知過程に偏見をもたらす傾向がある。 適応的アプローチがデータと認知バイアスの相互作用を緩和するかどうかを検討した。 偏見が検出された場合でも、アナリストがデータをデバイアスすることに成功したのです。 我々は、危機情報管理におけるこれらのバイアス効果に対する反ストラテジーの可能性を示唆する。
  論文  参考訳（メタデータ） (2022-01-10T18:05:18Z)
• Adverse Media Mining for KYC and ESG Compliance [2.381399746981591]
  逆メディアやネガティブニュースのスクリーニングは、そのような非金融的リスクの特定に不可欠である。 本稿では,ユーザのクエリに対する有害メディアのリアルタイム検索とバッチ検索の両方を行う自動化システムを提案する。 高精度で有害なニュースフィルタリングに対する、スケーラブルで機械学習によるアプローチは、4つの視点に基づいています。
  論文  参考訳（メタデータ） (2021-10-22T01:04:16Z)
• A Framework for Institutional Risk Identification using Knowledge Graphs and Automated News Profiling [5.631924211771643]
  世界中の組織は、世界中の運用に影響を与えるさまざまなリスクに直面しています。 リスクが生まれる前に潜在的なリスクを検知し、評価する、堅牢なリスク識別プロセスを持つことが不可欠である。
  論文  参考訳（メタデータ） (2021-09-19T11:06:12Z)
• Bridging the gap between supervised classification and unsupervised topic modelling for social-media assisted crisis management [0.5249805590164902]
  Twitterなどのソーシャルメディアは、自然災害時に危機管理者や被災者に貴重な情報を提供します。 機械学習は、危機時に共有される大量のメッセージから情報を構造化および抽出するのに役立ちます。 bertembedsが危機関連ツイートの分類を微調整することで,新たな危機に効果的に対応できることを示す。
  論文  参考訳（メタデータ） (2021-03-22T13:30:39Z)
• Clustering of Social Media Messages for Humanitarian Aid Response during Crisis [47.187609203210705]
  近年のDeep Learning and Natural Language Processingの進歩は,情報度を分類する作業において,事前のアプローチよりも優れていることを示す。 本稿では,これらの手法を2つのサブタスクに拡張し,Deep Learning法も有効であることを示す。
  論文  参考訳（メタデータ） (2020-07-23T02:18:05Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。