論文の概要: Digital Emotion Regulation on Social Media
- arxiv url: http://arxiv.org/abs/2307.13187v1
- Date: Tue, 25 Jul 2023 00:45:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 18:44:06.816975
- Title: Digital Emotion Regulation on Social Media
- Title(参考訳): ソーシャルメディアにおけるデジタル感情制御
- Authors: Akriti Verma, Shama Islam, Valeh Moghaddam, Adnan Anwar
- Abstract要約: デジタル技術は、私たちの感情的状態を意図的に修正するために使われています。
本稿では、ソーシャルメディアアプリケーションにおけるデジタル感情規制の概要と、ソーシャルメディアに対する感情規制介入に関する最近の研究の合成について述べる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotion regulation is the process of consciously altering one's affective
state, that is the underlying emotional state such as happiness, confidence,
guilt, anger etc. The ability to effectively regulate emotions is necessary for
functioning efficiently in everyday life. Today, the pervasiveness of digital
technology is being purposefully employed to modify our affective states, a
process known as digital emotion regulation. Understanding digital emotion
regulation can help support the rise of ethical technology design, development,
and deployment. This article presents an overview of digital emotion regulation
in social media applications, as well as a synthesis of recent research on
emotion regulation interventions for social media. We share our findings from
analysing state-of-the-art literature on how different social media
applications are utilised at different stages in the process of emotion
regulation.
- Abstract(参考訳): 感情制御は、幸福、自信、罪悪感、怒りなど、根底にある感情状態である感情状態を意識的に変化させる過程である。
感情を効果的に制御する能力は、日常生活において効率的に機能するために必要である。
今日、デジタルテクノロジーの広汎性は、デジタル感情制御(digital emotion regulation)として知られるプロセスである感情状態の修正に意図的に使われています。
デジタル感情の規制を理解することは、倫理的技術設計、開発、展開の興隆を支援する。
本稿では、ソーシャルメディアアプリケーションにおけるデジタル感情規制の概要と、ソーシャルメディアに対する感情規制介入に関する最近の研究の合成について述べる。
我々は,感情調節の過程において,様々なソーシャルメディアアプリケーションがどのように活用されているかについて,最先端の文献の分析から得られた知見を共有している。
関連論文リスト
- Flood of Techniques and Drought of Theories: Emotion Mining in Disasters [5.392688959066589]
感情のマイニングは、災害時の人間の感情を理解するための重要なツールとなっている。
本研究の目的は,災害時における感情のマイニングに関する既存の研究を要約することである。
我々は感情のマイニング手法の有効性と信頼性を高めることを目的としている。
論文 参考訳(メタデータ) (2024-07-07T00:43:05Z) - ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。
CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。
本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文 参考訳(メタデータ) (2024-05-17T15:45:08Z) - Emotion Granularity from Text: An Aggregate-Level Indicator of Mental Health [25.166884750592175]
心理学において、個人の感情概念を区別する能力の変化を感情の粒度と呼ぶ。
高い感情の粒度は、より良い精神と身体の健康と結びついている。
低感情の粒度は、不適応な感情制御戦略や健康状態の悪化と結びついている。
論文 参考訳(メタデータ) (2024-03-04T18:12:10Z) - Unlocking the Emotional World of Visual Media: An Overview of the
Science, Research, and Impact of Understanding Emotion [24.920797480215242]
本稿では、視覚メディアにおける感情分析の分野について概観する。
本稿では、感情の心理的基礎と、イメージやビデオからの感情の理解の基盤となる計算原理について論じる。
これはコンピューティングにおける「Holy Grail」研究の問題であり、今後の調査において重要な方向を示すものであると我々は主張する。
論文 参考訳(メタデータ) (2023-07-25T12:47:21Z) - Why Do You Feel This Way? Summarizing Triggers of Emotions in Social
Media Posts [61.723046082145416]
CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。
我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。
分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
論文 参考訳(メタデータ) (2022-10-22T19:10:26Z) - Empathetic Dialogue Generation via Sensitive Emotion Recognition and
Sensible Knowledge Selection [47.60224978460442]
情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。
我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
論文 参考訳(メタデータ) (2022-10-21T03:51:18Z) - Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。
本稿では,感情の強さを明示的に表現し,制御することを目的とする。
本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
論文 参考訳(メタデータ) (2022-01-10T02:11:25Z) - Emotion Recognition from Multiple Modalities: Fundamentals and
Methodologies [106.62835060095532]
マルチモーダル感情認識(MER)のいくつかの重要な側面について論じる。
まず、広く使われている感情表現モデルと感情モダリティの簡単な紹介から始める。
次に、既存の感情アノテーション戦略とそれに対応する計算タスクを要約する。
最後に,実世界のアプリケーションについて概説し,今後の方向性について論じる。
論文 参考訳(メタデータ) (2021-08-18T21:55:20Z) - Social media emotion macroscopes reflect emotional experiences in
society at large [0.12656629989060433]
ソーシャルメディアは、大規模かつ長期間にわたって人間の行動に関するデータを生成する。
近年の研究では、ソーシャルメディアの感情と個人レベルでの質問票の相関が弱いことが示されている。
社会全体のレベルでの感情の時間的進化を追跡するために、ソーシャルメディアの感情マクロスコープの有効性を検証した研究はない。
論文 参考訳(メタデータ) (2021-07-28T09:40:42Z) - Emotion-aware Chat Machine: Automatic Emotional Response Generation for
Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2021-06-06T06:26:15Z) - Emotion Correlation Mining Through Deep Learning Models on Natural
Language Text [3.23176099204268]
Webニュースからの自然言語テキストを通して感情認識と感情相関のギャップを埋めようとしている。
テキストによる感情認識から感情相関を抽出するために,3種類の特徴と2種類のディープニューラルネットワークモデルを示す。
論文 参考訳(メタデータ) (2020-07-28T08:59:16Z)
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。