論文の概要: A Machine Learning, Natural Language Processing Analysis of Youth Perspectives: Key Trends and Focus Areas for Sustainable Youth Development Policies

• arxiv url: http://arxiv.org/abs/2211.14321v1
• Date: Fri, 25 Nov 2022 02:43:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 19:05:50.840152
• Title: A Machine Learning, Natural Language Processing Analysis of Youth Perspectives: Key Trends and Focus Areas for Sustainable Youth Development Policies
• Title（参考訳）: 機械学習, 自然言語処理による若者の視点分析:持続可能な青年開発政策のキートレンドと焦点領域
• Authors: Kushaagra Gupta
• Abstract要約: 2030年のアジェンダ・フォー・サステナブル・デベロップメントは、若者のエンゲージメントの必要性と若者の視点を取り入れることを強調している。 本研究の目的は、持続可能な開発目標17の課題に対する若者の視点、価値観、感情を分析することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Investing in children and youth is a critical step towards inclusive, equitable, and sustainable development for current and future generations. Several international agendas for accomplishing common global goals emphasize the need for active youth participation and engagement for sustainable development. The 2030 Agenda for Sustainable Development emphasizes the need for youth engagement and the inclusion of youth perspectives as an important step toward addressing each of the 17 Sustainable Development Goals. The aim of this study is to analyze youth perspectives, values, and sentiments towards issues addressed by the 17 Sustainable Development Goals through social network analysis using machine learning. Social network data collected during 7 major sustainability conferences aimed at engaging children and youth is analyzed using natural language processing techniques for sentiment analysis. This data categorized using a natural language processing text classifier trained on a sample dataset of social network data during the 7 youth sustainability conferences for deeper understanding of youth perspectives in relation to the SDGs. Machine learning identified demographic and location attributes and features are utilized in order to identify bias and demographic differences between ages, gender, and race among youth. Using natural language processing, the qualitative data collected from over 7 different countries in 3 languages are systematically translated, categorized, and analyzed, revealing key trends and focus areas for sustainable youth development policies. The obtained results reveal the general youth's depth of knowledge on sustainable development and their attitudes towards each of the 17 SDGs. The findings of this study serve as a guide toward better understanding the interests, roles, and perspectives of children and youth in achieving the goals of Agenda 2030.
• Abstract（参考訳）: 子供と若者への投資は、現在の世代と将来の世代のための包括的で公平で持続可能な発展への重要なステップである。 共通のグローバル目標を達成するためのいくつかの国際議題は、活動的な青少年参加と持続可能な開発への関与の必要性を強調している。 2030年の持続可能な開発のためのアジェンダでは、17の持続可能な開発目標のそれぞれに取り組むための重要なステップとして、若者の参加の必要性と若者の視点の必要性を強調している。 本研究の目的は、機械学習を用いたソーシャルネットワーク分析を通じて、持続可能開発目標17の課題に対する若者の視点、価値観、感情を分析することである。 子どもと若者のエンゲージメントを目的とした7つの主要なサステナビリティ会議で収集されたソーシャルネットワークデータを,感情分析のための自然言語処理技術を用いて分析した。 本研究は,社会ネットワークデータのサンプルデータセット上で学習した自然言語処理テキスト分類器を用いて7つの青年持続可能性会議において分類した。 機械学習は、年齢、性別、人種間の偏りと人口差を識別するために、人口特性と地域特性と特徴を識別する。 自然言語処理を用いて、3言語で7つの異なる国から収集された質的データは体系的に翻訳され、分類され、分析され、持続可能な若者開発政策のための重要なトレンドと焦点領域を明らかにする。 その結果,青少年の持続的発展に関する知識の深さ,および17個のsdgに対する態度が明らかになった。 本研究の成果は,2030年度の目標達成における子どもと若者の関心,役割,展望をより深く理解するための指針となる。

関連論文リスト

• KidLM: Advancing Language Models for Children -- Early Insights and Future Directions [7.839083566878183]
  本研究では,子供用,時には子供用のコーパスを収集し,検証する,ユーザ中心のデータ収集パイプラインを提案する。 本研究では,ドメイン固有の児童言語データに基づいてマスキング確率を動的に調整する新たな学習目標であるStratified Maskingを提案する。 実験により,本モデルは下級テキストの理解に優れ,ステレオタイプを避けて安全性を維持し,子どもの独特な嗜好を捉えていることが示された。
  論文  参考訳（メタデータ） (2024-10-04T19:35:44Z)
• Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals [0.3764231189632788]
  国連2030アジェンダ・フォー・サステナブル・ディベロップメントは、世界的課題に取り組むための17の目標を概説している。 SDGの進歩は、地理的、文化的、社会経済的要因に大きく影響されている。 2030年までにすべての目標を達成する国はない。
  論文  参考訳（メタデータ） (2024-09-19T03:10:49Z)
• Surveying Attitudinal Alignment Between Large Language Models Vs. Humans Towards 17 Sustainable Development Goals [28.98314322374492]
  大規模言語モデル(LLM)は、国連の持続可能な開発目標を推進するための強力なツールとして登場した。 本研究は, LLM の17 SDG に対する態度に関する文献の総合的なレビューと分析を行う。 本研究は,理解と感情,文化的・地域的差異,課題目的の変化,意思決定プロセスにおいて考慮される要因など,潜在的な相違について検討する。
  論文  参考訳（メタデータ） (2024-04-22T05:12:52Z)
• Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
  私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。 インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。 多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
  論文  参考訳（メタデータ） (2024-02-28T00:22:42Z)
• BabySLM: language-acquisition-friendly benchmark of self-supervised spoken language models [56.93604813379634]
  音声表現を学習するための自己指導技術は、人間のラベルを必要とせずに、音声への露出から言語能力を高めることが示されている。 語彙および構文レベルで音声言語モデルを探索するために,言語習得に親しみやすいベンチマークを提案する。 テキストと音声のギャップを埋めることと、クリーンな音声とその内話のギャップを埋めることである。
  論文  参考訳（メタデータ） (2023-06-02T12:54:38Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• ARNOLD: A Benchmark for Language-Grounded Task Learning With Continuous States in Realistic 3D Scenes [72.83187997344406]
  ARNOLDは、現実的な3Dシーンにおける連続状態による言語によるタスク学習を評価するベンチマークである。 ARNOLDは、オブジェクト状態の理解と継続的な目標のための学習ポリシーを含む8つの言語条件のタスクで構成されている。
  論文  参考訳（メタデータ） (2023-04-09T21:42:57Z)
• Vision-and-Language Navigation: A Survey of Tasks, Methods, and Future Directions [23.389491536958772]
  VLN(Vision-and-Language Navigation)は、この目標に向けた基本的な、学際的な研究テーマである。 VLNは自然言語処理、コンピュータビジョン、ロボティクス、機械学習コミュニティから注目を集めている。 本稿では,VLN研究コミュニティの詳細な参照として機能する。
  論文  参考訳（メタデータ） (2022-03-22T16:58:10Z)
• SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
  国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
  論文  参考訳（メタデータ） (2021-11-08T18:59:04Z)
• NeurIPS 2021 Competition IGLU: Interactive Grounded Language Understanding in a Collaborative Environment [71.11505407453072]
  協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。 競争の主目的は、対話型エージェントをいかにして構築するかという問題にアプローチすることであり、協調環境において、接地された自然言語命令を提供しながらタスクの解決を学ぶことである。 この研究課題は、自然言語理解・生成(NLU/G)と強化学習(RL)という、NeurIPSコミュニティと密接に関連している2つの分野に自然に関連している。
  論文  参考訳（メタデータ） (2021-10-13T07:13:44Z)
• Self-supervised learning through the eyes of a child [35.235974685889396]
  汎用的な自己教師型学習目標を用いた,発達的な自然映像から高レベルな視覚表現が出現することを示す。 以上の結果から,発達的に現実的な自然映像から高レベルな視覚表現が出現することが示唆された。
  論文  参考訳（メタデータ） (2020-07-31T17:33:45Z)

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。