論文の概要: User Engagement and the Toxicity of Tweets
- arxiv url: http://arxiv.org/abs/2211.03856v1
- Date: Mon, 7 Nov 2022 20:55:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 12:17:51.707864
- Title: User Engagement and the Toxicity of Tweets
- Title（参考訳）: ユーザのエンゲージメントとツイートの毒性
- Authors: Nazanin Salehabadi and Anne Groggel and Mohit Singhal and Sayak Saha
Roy and Shirin Nilizadeh
- Abstract要約: 我々は85,300件以上のTwitter会話のランダムなサンプルを分析し、有毒な会話と非有毒な会話の違いを調べる。
有毒な会話(少なくとも1つの有毒なツイートを持つ会話)は、長いが、無害な会話に比べて、個人ユーザーが会話に貢献する割合は少ない。
また、有害なツイートに対する最初の応答の毒性と会話の毒性との関係も調べる。
- 参考スコア（独自算出の注目度）: 1.1339580074756188
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Twitter is one of the most popular online micro-blogging and social
networking platforms. This platform allows individuals to freely express
opinions and interact with others regardless of geographic barriers. However,
with the good that online platforms offer, also comes the bad. Twitter and
other social networking platforms have created new spaces for incivility. With
the growing interest on the consequences of uncivil behavior online,
understanding how a toxic comment impacts online interactions is imperative. We
analyze a random sample of more than 85,300 Twitter conversations to examine
differences between toxic and non-toxic conversations and the relationship
between toxicity and user engagement. We find that toxic conversations, those
with at least one toxic tweet, are longer but have fewer individual users
contributing to the dialogue compared to the non-toxic conversations. However,
within toxic conversations, toxicity is positively associated with more
individual Twitter users participating in conversations. This suggests that
overall, more visible conversations are more likely to include toxic replies.
Additionally, we examine the sequencing of toxic tweets and its impact on
conversations. Toxic tweets often occur as the main tweet or as the first
reply, and lead to greater overall conversation toxicity. We also find a
relationship between the toxicity of the first reply to a toxic tweet and the
toxicity of the conversation, such that whether the first reply is toxic or
non-toxic sets the stage for the overall toxicity of the conversation,
following the idea that hate can beget hate.
- Abstract（参考訳）: twitterは、最も人気のあるオンラインマイクロブログおよびソーシャルネットワーキングプラットフォームの1つである。
このプラットフォームは、地理的障壁に関係なく、個人が自由に意見を述べ、他の人と対話することができる。
しかし、オンラインプラットフォームが提供する良い点によって、悪い面もある。
twitterや他のソーシャルネットワークプラットフォームは、インキュビティのための新しい空間を生み出した。
オンライン上での悪行の結果に対する関心が高まり、有害なコメントがオンラインインタラクションに与える影響を理解することが不可欠である。
85,300以上のtwitter会話のランダムサンプルを分析し,有毒な会話と非有害な会話の違いと毒性とユーザの関与の関係について検討した。
有毒な会話(少なくとも1つの有毒なツイートを持つ会話)は、長いが、無害な会話に比べて、個人ユーザーが会話に貢献する割合は少ない。
しかし、有害な会話の中で、有害性は会話に参加している個々のtwitterユーザーと肯定的に関連している。
これは、全体的な、より目に見える会話は、より有毒な返信を含む可能性が高いことを示唆している。
さらに、有害なツイートのシークエンシングとその会話への影響について検討する。
有害なツイートは、メインのツイートや最初の返信としてしばしば発生し、全体的な会話の有害性が向上する。
有毒なツイートに対する最初の返信の毒性と会話の毒性の関係も見いだし、最初の応答が有毒か非有毒かが、ヘイトが憎悪をもたらすことができるという考え方に従って会話全体の毒性の段階を設定する。
関連論文リスト
- Tracking Patterns in Toxicity and Antisocial Behavior Over User Lifetimes on Large Social Media Platforms [0.2630859234884723]
われわれはRedditとWikipediaの5億件近いコメントで14年間にわたって毒性を分析している。
Reddit上で最も有毒な行動は、最もアクティブなユーザーによって集計され、最も有毒な行動は、最もアクティブでないユーザーによって集計され、Wikipedia上で最も有毒な行動であることがわかった。
論文 参考訳（メタデータ） (2024-07-12T15:45:02Z) - Comprehensive Assessment of Toxicity in ChatGPT [49.71090497696024]
本研究は,ChatGPTの毒性を指導調整データセットを用いて評価する。
創作作業のプロンプトは 有害な反応を 引き起こす確率が 2倍になる
初期の研究で設計された、故意に有害なプロンプトは、もはや有害な反応を生じさせない。
論文 参考訳（メタデータ） (2023-11-03T14:37:53Z) - Twits, Toxic Tweets, and Tribal Tendencies: Trends in Politically Polarized Posts on Twitter [5.161088104035108]
個人レベルでの毒性と,Twitter/X上でのトピックレベルに寄与するパーシスタンスと感情分極が果たす役割について検討する。
43,151人のTwitter/Xユーザーから8960万のツイートを収集した後、パーティショニングを含むいくつかのアカウントレベルの特徴が、ユーザーが有害コンテンツを投稿する頻度を予測するかを決定する。
論文 参考訳（メタデータ） (2023-07-19T17:24:47Z) - Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。
ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。
以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-18T05:58:27Z) - Understanding the Bystander Effect on Toxic Twitter Conversations [1.1339580074756188]
会話における有害なツイートに対する最初の直接応答の毒性が、その後の応答に対するグループ規範を確立しているかどうかを検討する。
9kの会話に属する156k以上のツイートのランダムなサンプルを分析した。
論文 参考訳（メタデータ） (2022-11-19T18:31:39Z) - Twitter Users' Behavioral Response to Toxic Replies [1.2387676601792899]
我々は,Twitter上でのユーザのオンライン行動に及ぼす毒性の影響を検討した。
毒性の犠牲者は, 回避, 復讐, 対策, 交渉といった行動反応の組合せがみられた。
本研究は, ソーシャルメディア上での毒性の負の結果を低減するための, より効果的な検出・介入手法の開発において, さらなる研究を支援することができる。
論文 参考訳（メタデータ） (2022-10-24T17:36:58Z) - Beyond Plain Toxic: Detection of Inappropriate Statements on Flammable
Topics for the Russian Language [76.58220021791955]
本稿では,不合理性という二項的概念と,センシティブなトピックの多項的概念に基づいてラベル付けされた2つのテキストコレクションについて述べる。
不適切な概念を客観するために、クラウドソーシングではデータ駆動方式で定義する。
論文 参考訳（メタデータ） (2022-03-04T15:59:06Z) - Annotators with Attitudes: How Annotator Beliefs And Identities Bias
Toxic Language Detection [75.54119209776894]
本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。
我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。
以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
論文 参考訳（メタデータ） (2021-11-15T18:58:20Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - The Structure of Toxic Conversations on Twitter [10.983958397797847]
Twitter上での会話における構造と毒性の関係について検討した。
個人レベルでは、毒性は多くの低レベルから中程度の有害なユーザーに分散している。
グループレベルでは、有害な会話はより大きく、より広く、より深い応答木を持つ傾向にある。
論文 参考訳（メタデータ） (2021-05-25T01:18:02Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳（メタデータ） (2020-05-25T21:58:09Z)
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。