論文の概要: Virtual Harassment, Real Understanding: Using a Serious Game and
Bayesian Networks to Study Cyberbullying
- arxiv url: http://arxiv.org/abs/2309.08428v1
- Date: Fri, 15 Sep 2023 14:30:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-18 14:22:55.481168
- Title: Virtual Harassment, Real Understanding: Using a Serious Game and
Bayesian Networks to Study Cyberbullying
- Title（参考訳）: 仮想ハラスメントとリアル理解:シリアスゲームとベイジアンネットワークを使ってサイバーいじめを研究する
- Authors: Jaime P\'erez, Mario Castro, Edmond Awad, Gregorio L\'opez
- Abstract要約: 本研究は,データ収集と教育のための非侵襲的なツールとして,真剣なゲームを活用する,革新的なアプローチを探求する。
本ゲームを用いた予備試験では,従来の人口統計調査や心理調査よりも有望な結果が得られた。
- 参考スコア（独自算出の注目度）: 0.9246281666115259
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cyberbullying among minors is a pressing concern in our digital society,
necessitating effective prevention and intervention strategies. Traditional
data collection methods often intrude on privacy and yield limited insights.
This study explores an innovative approach, employing a serious game - designed
with purposes beyond entertainment - as a non-intrusive tool for data
collection and education. In contrast to traditional correlation-based
analyses, we propose a causality-based approach using Bayesian Networks to
unravel complex relationships in the collected data and quantify result
uncertainties. This robust analytical tool yields interpretable outcomes,
enhances transparency in assumptions, and fosters open scientific discourse.
Preliminary pilot studies with the serious game show promising results,
surpassing the informative capacity of traditional demographic and
psychological questionnaires, suggesting its potential as an alternative
methodology. Additionally, we demonstrate how our approach facilitates the
examination of risk profiles and the identification of intervention strategies
to mitigate this cybercrime. We also address research limitations and potential
enhancements, considering the noise and variability of data in social studies
and video games. This research advances our understanding of cyberbullying and
showcase the potential of serious games and causality-based approaches in
studying complex social issues.
- Abstract（参考訳）: 未成年者のサイバーいじめは、我々のデジタル社会において、効果的な予防と介入戦略を必要としている。
従来のデータ収集手法はしばしばプライバシーを侵害し、限られた洞察を得る。
本研究は,データ収集と教育のための非侵襲的なツールとして,エンターテイメントを超えてデザインされた真剣なゲームを用いて,革新的なアプローチを探求する。
従来の相関に基づく分析とは対照的に,ベイジアンネットワークを用いた因果関係に基づく解析手法を提案する。
この堅牢な分析ツールは解釈可能な結果をもたらし、仮定の透明性を高め、オープンな科学談話を促進する。
本格的なゲームを用いた予備的なパイロット研究は、従来の人口統計調査や心理調査の有望な能力を上回る有望な結果を示し、その代替手法としての可能性を示唆している。
さらに,本手法がリスクプロファイルの検証と介入戦略の特定をいかに促進し,サイバー犯罪を軽減するかを示す。
また、社会研究やビデオゲームにおけるデータのノイズや変動を考慮した研究制限や潜在的な拡張についても検討する。
この研究は、サイバーいじめの理解を深め、複雑な社会問題の研究における真剣なゲームと因果関係に基づくアプローチの可能性を示す。
関連論文リスト
- Cyberbully and Online Harassment: Issues Associated with Digital Wellbeing [0.0]
本研究は, 多様な研究から経験的知見を合成し, 革新的技術介入がサイバーいじめの頻度の低減にいかに貢献するかを評価する。
本研究は,動的デジタルランドスケープに対応する適応戦略の必要性を強調し,これらの介入の有効性に焦点を当てた。
論文 参考訳（メタデータ） (2024-04-29T17:49:49Z) - Graph Machine Learning based Doubly Robust Estimator for Network Causal Effects [17.44202934049009]
本稿では,グラフ機械学習アプローチとダブル機械学習フレームワークを組み合わせた新しい手法を提案する。
提案手法は,広範囲なシミュレーション研究を通じて,正確で堅牢でスケーラブルであることを示す。
論文 参考訳（メタデータ） (2024-03-17T20:23:42Z) - Data protection psychology using game theory [0.0]
この研究は、個人がデータ保護の実践をどのように認識し、相互作用するかを研究することを目的としている。
この研究は、個人の意識とデータ保護対策の理解に影響を与える心理的要因を研究するためのゲーム理論的アプローチを採用している。
論文 参考訳（メタデータ） (2024-01-03T13:07:30Z) - Stepping out of Flatland: Discovering Behavior Patterns as Topological Structures in Cyber Hypergraphs [0.7835894511242797]
本稿では,ハイパーグラフとトポロジ理論に基づく新しいフレームワークを提案する。
大規模なサイバーネットワークデータセットで具体例を示す。
論文 参考訳（メタデータ） (2023-11-08T00:00:33Z) - Designing an attack-defense game: how to increase robustness of
financial transaction models via a competition [69.08339915577206]
金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。
本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。
我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。
参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
論文 参考訳（メタデータ） (2023-08-22T12:53:09Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual
Learning [76.47138162283714]
蓄積とは、以前取得した情報や知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
調査では、忘れることは二重刃の剣であり、ある場合には有益で望ましいと論じている。
論文 参考訳（メタデータ） (2023-07-16T16:27:58Z) - Re-thinking Data Availablity Attacks Against Deep Neural Networks [53.64624167867274]
本稿では、未学習例の概念を再検討し、既存のロバストな誤り最小化ノイズが不正確な最適化目標であることを示す。
本稿では,計算時間要件の低減による保護性能の向上を図った新しい最適化パラダイムを提案する。
論文 参考訳（メタデータ） (2023-05-18T04:03:51Z) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳（メタデータ） (2023-04-02T08:43:03Z) - Where Did You Learn That From? Surprising Effectiveness of Membership
Inference Attacks Against Temporally Correlated Data in Deep Reinforcement
Learning [114.9857000195174]
深い強化学習を産業的に広く採用する上での大きな課題は、プライバシー侵害の潜在的な脆弱性である。
本稿では, 深層強化学習アルゴリズムの脆弱性を検証し, メンバーシップ推論攻撃に適応する対戦型攻撃フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-08T23:44:57Z) - Cyberbullying Detection with Fairness Constraints [0.0]
フェアネス制約を適用でき、異なるデータセットでアプローチを検証するモデルトレーニングスキームを提案する。
我々の研究は、サイバー社会の健康に対する、偏見のない、透明で倫理的な機械学習ソリューションの追求に寄与していると信じています。
論文 参考訳（メタデータ） (2020-05-09T13:04:26Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。