論文の概要: On the rise of fear speech in online social media

• arxiv url: http://arxiv.org/abs/2303.10311v1
• Date: Sat, 18 Mar 2023 02:46:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 20:13:56.693376
• Title: On the rise of fear speech in online social media
• Title（参考訳）: オンラインソーシャルメディアにおける恐怖表現の台頭について
• Authors: Punyajoy Saha, Kiran Garimella, Narla Komal Kalyan, Saurabh Kumar Pandey, Pauras Mangesh Meher, Binny Mathew, and Animesh Mukherjee
• Abstract要約: 恐怖のスピーチは、名前が示すように、ターゲットのコミュニティに対する恐怖を呼び起こそうとしている。 本稿では,Gab.comから収集した400K以上の恐怖音声と700K以上のヘイトスピーチ投稿の頻度を理解するための大規模研究について述べる。
• 参考スコア（独自算出の注目度）: 7.090807766284268
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recently, social media platforms are heavily moderated to prevent the spread of online hate speech, which is usually fertile in toxic words and is directed toward an individual or a community. Owing to such heavy moderation, newer and more subtle techniques are being deployed. One of the most striking among these is fear speech. Fear speech, as the name suggests, attempts to incite fear about a target community. Although subtle, it might be highly effective, often pushing communities toward a physical conflict. Therefore, understanding their prevalence in social media is of paramount importance. This article presents a large-scale study to understand the prevalence of 400K fear speech and over 700K hate speech posts collected from Gab.com. Remarkably, users posting a large number of fear speech accrue more followers and occupy more central positions in social networks than users posting a large number of hate speech. They can also reach out to benign users more effectively than hate speech users through replies, reposts, and mentions. This connects to the fact that, unlike hate speech, fear speech has almost zero toxic content, making it look plausible. Moreover, while fear speech topics mostly portray a community as a perpetrator using a (fake) chain of argumentation, hate speech topics hurl direct multitarget insults, thus pointing to why general users could be more gullible to fear speech. Our findings transcend even to other platforms (Twitter and Facebook) and thus necessitate using sophisticated moderation policies and mass awareness to combat fear speech.
• Abstract（参考訳）: 近年、ソーシャルメディアプラットフォームは、通常有毒な言葉で肥やされ、個人やコミュニティに向けられるオンラインヘイトスピーチの拡散を防ぐため、非常に穏健化されている。 このような重いモデレーションのため、より新しく、より微妙なテクニックが展開されている。 中でも注目に値するのが、恐怖のスピーチだ。 恐怖のスピーチは、名前が示すように、ターゲットのコミュニティに対する恐怖を呼び起こそうとしている。 微妙ではあるが、非常に効果的であり、しばしばコミュニティを物理的な対立へと押し上げる。 したがって、ソーシャルメディアにおける彼らの流行を理解することが最重要となる。 本稿は、gab.comから収集した400k以上の恐怖音声と700万以上のヘイトスピーチ投稿の有病率を理解するための大規模研究である。 注目すべきは、多くの恐れのあるスピーチを投稿するユーザーは、多くのフォロワーを惹きつけ、多くのヘイトスピーチを投稿するユーザーよりもソーシャルネットワークの中心的な地位を占めていることだ。 また、返信、再投稿、言及を通じて、ヘイトスピーチユーザーよりも効果的にユーザーを良心させることもできる。 これはヘイトスピーチと異なり、恐怖のスピーチは有毒なコンテンツがほとんどないという事実と結びついている。 さらに、恐怖音声の話題は、主に(フェイクな)議論の連鎖を用いて、コミュニティを加害者として描写するが、憎悪音声の話題は直接的多目的侮辱を嫌う。 我々の発見は他のプラットフォーム(TwitterやFacebook)にも伝達し、高度なモデレーションポリシーと大量認識を使って恐怖と戦う必要がある。

関連論文リスト

• Hostile Counterspeech Drives Users From Hate Subreddits [1.5035331281822]
  我々は、Redditにおけるヘイトサブレディット内の新参者に対する反音声の効果を分析した。 非敵対的なカウンタースピーチは、ユーザーがこれらの憎悪のサブレディットから完全に切り離すのを防ぐのに効果がない。 単一の敵対的な反論は、将来のエンゲージメントの可能性を大幅に減らす。
  論文  参考訳（メタデータ） (2024-05-28T17:12:41Z)
• Analyzing User Characteristics of Hate Speech Spreaders on Social Media [20.57872238271025]
  ヘイトスピーチにおけるユーザ特性の役割を分析する。 社会的影響の少ないユーザーは、ヘイトスピーチをシェアする傾向にある。 政治的反トランプと反右派憎悪は、より大きな社会的影響力を持つユーザーによって再創造される。
  論文  参考訳（メタデータ） (2023-10-24T12:17:48Z)
• 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)
• CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network [52.85130555886915]
  CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。 我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
  論文  参考訳（メタデータ） (2023-03-02T17:30:43Z)
• Quantifying How Hateful Communities Radicalize Online Users [2.378428291297535]
  我々は、他のソーシャルネットワークに伝播するヘイトスピーチの観点から、フロンティアヘイトフルなコミュニティに参加することの影響を計測する。 Redditのデータを使って、1種類のエコーチャンバーに参加する効果を評価する。 有害な言論はコミュニティに留まらないことを示す。
  論文  参考訳（メタデータ） (2022-09-19T01:13:29Z)
• 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)
• Nipping in the Bud: Detection, Diffusion and Mitigation of Hate Speech on Social Media [21.47216483704825]
  本稿では,自動ヘイト緩和システムの構築を妨げる方法論的課題について述べる。 ソーシャルメディア上でのヘイトスピーチの拡散を制限するための一連のソリューションについて論じる。
  論文  参考訳（メタデータ） (2022-01-04T03:44:46Z)
• Comparing the Language of QAnon-related content on Parler, Gab, and Twitter [68.8204255655161]
  保守派の間で人気の「言論の自由」プラットフォームであるParlerは、2021年1月に、憎悪やQAnonなどの陰謀に関するコンテンツのモデレーションの欠如により、オフラインになった。 われわれは投稿をParlerの#QAnonというハッシュタグと比較する。 Gabはヘイト条件の#QAnon投稿が最も多く、ParlerとTwitterも同様である。 これら3つのプラットフォームにおいて、女性政治家、民主党員、ドナルド・トランプに言及する投稿は、男性政治家、共和党員、あるいは共和党員に言及する投稿よりも、より反社会的な言葉を持っている。
  論文  参考訳（メタデータ） (2021-11-22T11:19:15Z)
• "Short is the Road that Leads from Fear to Hate": Fear Speech in Indian WhatsApp Groups [8.682669903229165]
  私たちは、インドの政治について議論する何千もの公開WhatsAppグループを対象に、恐怖のスピーチに関する最初の大規模な研究を行います。 我々は、恐怖音声を分類するモデルを構築し、現在の最先端のNLPモデルは、このタスクでうまく機能しないことを観察する。
  論文  参考訳（メタデータ） (2021-02-07T18:14:16Z)
• 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)
• 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)

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。