論文の概要: Generalizing Political Leaning Inference to Multi-Party Systems:
Insights from the UK Political Landscape
- arxiv url: http://arxiv.org/abs/2312.01738v1
- Date: Mon, 4 Dec 2023 09:02:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 15:37:06.730090
- Title: Generalizing Political Leaning Inference to Multi-Party Systems:
Insights from the UK Political Landscape
- Title（参考訳）: 政治リーン推論の多人数システムへの一般化:英国政治景観から
- Authors: Joseba Fernandez de Landa, Arkaitz Zubiaga and Rodrigo Agerri
- Abstract要約: ソーシャルメディアユーザーの政治的傾きを推測する能力は、世論調査の収集に役立つ。
政治的傾きと相互のインタラクションによってラベル付けされたユーザからなるデータセットをリリースする。
我々は、ユーザー間のリツイートという形でのインタラクションが、政治的に傾いた推論を可能にする、非常に強力な機能であることを示します。
- 参考スコア（独自算出の注目度）: 10.798766768721741
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An ability to infer the political leaning of social media users can help in
gathering opinion polls thereby leading to a better understanding of public
opinion. While there has been a body of research attempting to infer the
political leaning of social media users, this has been typically simplified as
a binary classification problem (e.g. left vs right) and has been limited to a
single location, leading to a dearth of investigation into more complex,
multiclass classification and its generalizability to different locations,
particularly those with multi-party systems. Our work performs the first such
effort by studying political leaning inference in three of the UK's nations
(Scotland, Wales and Northern Ireland), each of which has a different political
landscape composed of multiple parties. To do so, we collect and release a
dataset comprising users labelled by their political leaning as well as
interactions with one another. We investigate the ability to predict the
political leaning of users by leveraging these interactions in challenging
scenarios such as few-shot learning, where training data is scarce, as well as
assessing the applicability to users with different levels of political
engagement. We show that interactions in the form of retweets between users can
be a very powerful feature to enable political leaning inference, leading to
consistent and robust results across different regions with multi-party
systems. However, we also see that there is room for improvement in predicting
the political leaning of users who are less engaged in politics.
- Abstract（参考訳）: ソーシャルメディア利用者の政治的傾向を推測する能力は、世論調査の収集に役立つため、世論の理解を深めることができる。
ソーシャルメディア利用者の政治的傾倒を推し進める研究団体は存在するが、通常は二項分類問題(例えば、左か右か)として単純化され、単一の場所に限定されており、より複雑で多階級の分類と、特に複数政党のシステムにおいて、その一般化可能性に関する調査が難航している。
私たちの研究は、イギリスの3つの国(スコットランド、ウェールズ、北アイルランド)における政治的傾倒推論を研究することで、このような取り組みを初めて行ないました。
そのために、政治的傾きと対話によってラベル付けされたユーザからなるデータセットを収集し、リリースする。
筆者らは,これらのインタラクションを,訓練データが少なく,かつ政治的エンゲージメントのレベルが異なるユーザに対する適用性を評価するような難題に活用することで,ユーザの政治的傾きを予測する能力について検討した。
我々は、ユーザー間のリツイートという形でのやりとりは、政治的傾倒推論を可能にする非常に強力な機能であり、マルチパーティシステムを持つ異なる地域間で一貫性があり、堅牢な結果をもたらすことを示した。
しかし、政治に関わらないユーザの政治的傾きを予測するには改善の余地がある。
関連論文リスト
- Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳（メタデータ） (2024-07-16T05:52:26Z) - Political Leaning Inference through Plurinational Scenarios [4.899818550820576]
この研究は、スペインにおける3つの多様な地域(バスク州、カタルーニャ州、ガリシア州)に焦点を当て、多党の分類の様々な方法を探究する。
我々は、リツイートから得られた教師なしユーザ表現と、その後の政治的傾き検出に使用される2段階の手法を用いる。
論文 参考訳（メタデータ） (2024-06-12T07:42:12Z) - Social media polarization reflects shifting political alliances in
Pakistan [44.99833362998488]
2018年から2022年にかけて、我々のTwitterデータの分析によって、パキスタンの政治領域における重要な変化と発展を捉えることができます。
主要政党に属する政治家が生み出す相互作用やコンテンツを調べることで、Twitter上での政治家の存在が一貫して活発であることを明らかにする。
我々の分析は、政治家が野党同盟に移行するなど、政治的提携の大幅な変化も明らかにしている。
論文 参考訳（メタデータ） (2023-09-15T00:07:48Z) - Diverse Perspectives Can Mitigate Political Bias in Crowdsourced Content
Moderation [5.470971742987594]
ソーシャルメディア企業は、プラットフォーム上の政治コンテンツを取り巻くコンテンツモデレーションポリシーの定義と強化に不満を抱いている。
このタスクにおいて、人間のラベルがどの程度うまく機能するか、あるいは、バイアスがこのプロセスに影響を及ぼすかどうかは不明だ。
集団労働者による政治内容の特定の実現可能性と実践性を実験的に評価した。
論文 参考訳（メタデータ） (2023-05-23T20:10:43Z) - PAR: Political Actor Representation Learning with Social Context and
Expert Knowledge [45.215862050840116]
我々は,textbfPolitical textbfActor textbfRepresentation学習フレームワークであるtextbfPARを提案する。
我々は,社会的文脈情報を活用するために,議員に関する事実文を検索し,抽出する。
次に、社会的文脈を取り入れた異種情報ネットワークを構築し、リレーショナルグラフニューラルネットワークを用いて立法者表現を学習する。
論文 参考訳（メタデータ） (2022-10-15T19:28:06Z) - Top Gear or Black Mirror: Inferring Political Leaning From Non-Political
Content [8.435739379764408]
分極とエコーチャンバーは選挙のような明確な政治的出来事の文脈でしばしば研究される。
非政治的文脈における政治的分極は、しばしば不明である。
政治的傾きは「ラテ・ドライキング・リベラル」のようなステレオタイプにつながる多くのライフスタイルの選択と相関することが知られている。
論文 参考訳（メタデータ） (2022-08-11T06:41:23Z) - Tweets2Stance: Users stance detection exploiting Zero-Shot Learning
Algorithms on Tweets [0.06372261626436675]
この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。
複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2022-04-22T14:00:11Z) - Fine-Grained Prediction of Political Leaning on Social Media with
Unsupervised Deep Learning [0.9137554315375922]
ソーシャルメディア投稿からきめ細かい政治傾向を学習するための新しい教師なし手法を提案する。
本研究は、よりきめ細かな政治的傾きを検出するための、新しい、より優れた教師なしのアプローチを開発するための道を開くものである。
論文 参考訳（メタデータ） (2022-02-23T09:18:13Z) - Reaching the bubble may not be enough: news media role in online
political polarization [58.720142291102135]
分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。
本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
論文 参考訳（メタデータ） (2021-09-18T11:34:04Z) - 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) - Political Posters Identification with Appearance-Text Fusion [49.55696202606098]
外観特徴とテキストベクトルを効率的に活用し, 政治ポスターを高精度に分類する手法を提案する。
この作品の大半は、特定の政治イベントのプロモーションとして機能するように設計された政治ポスターに焦点を当てている。
論文 参考訳（メタデータ） (2020-12-19T16:14:51Z)
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。