論文の概要: Characterizing Online Eating Disorder Communities with Large Language
Models
- arxiv url: http://arxiv.org/abs/2401.09647v1
- Date: Wed, 17 Jan 2024 23:32:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 18:23:54.732829
- Title: Characterizing Online Eating Disorder Communities with Large Language
Models
- Title(参考訳): 大規模言語モデルによるオンライン摂食障害コミュニティの特徴付け
- Authors: Minh Duc Chu, Aryan Karnati, Zihao He, Kristina Lerman
- Abstract要約: 我々は、ソーシャルメディアプラットフォームが、食欲不振や食欲不振などの摂食障害を促進するコンテンツやコミュニティの成長を増幅するフィードバックループを生み出していると論じる。
私たちの研究は、有害なフィードバックループを妨害し、脆弱な個人を保護するために、ソーシャルメディアのモデレーションを改善する必要性を強調しています。
- 参考スコア(独自算出の注目度): 5.8907007120959625
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The rise in eating disorders, a dangerous mental health condition with high
mortality and morbidity, has been linked to the proliferation of idealized body
images on social media. However, the link between social media and eating
disorders is far more complex. We argue that social media platforms create a
feedback loop that amplifies the growth of content and communities that promote
eating disorders like anorexia and bulimia. Specifically, social media
platforms make it easy for vulnerable individuals to find and connect to
like-minded others, while group dynamic processes encourage them to stay
engaged within communities that promote and glorify harmful behaviors linked to
eating disorders. We characterize this dynamic empirically through a
combination of network and language analysis. We describe a novel framework
that leverages large language models to analyze the discourse within online
communities and probe their attitudes on topics related to eating disorders to
identify potentially harmful content. Our work emphasizes the need for better
social media moderation to disrupt harmful feedback loops and protect
vulnerable individuals.
- Abstract(参考訳): 死亡率と死亡率の高い危険な精神状態である摂食障害の上昇は、ソーシャルメディア上での理想化された身体イメージの拡散と関連している。
しかし、ソーシャルメディアと摂食障害の関連性ははるかに複雑である。
我々は、ソーシャルメディアプラットフォームが、食欲不振や食欲不振などの摂食障害を促進するコンテンツやコミュニティの成長を増幅するフィードバックループを生み出していると論じる。
特に、ソーシャルメディアプラットフォームは、脆弱な個人が同じ考えを持つ人たちを見つけ、接続しやすくする一方、グループのダイナミックなプロセスは、摂食障害に関連する有害な行動を促進し、称賛するコミュニティ内で活動し続けることを奨励する。
我々は、ネットワークと言語分析の組み合わせにより、この力学を経験的に特徴づける。
本稿では,大規模言語モデルを用いてオンラインコミュニティ内の談話を分析し,摂食障害に関連する話題に対する態度を探索し,潜在的有害な内容を特定する新しい枠組みについて述べる。
私たちの研究は、有害なフィードバックループを妨害し、脆弱な個人を保護するために、ソーシャルメディアのモデレーションを改善する必要性を強調しています。
関連論文リスト
- Like-minded, like-bodied: How users (18-26) trust online eating and
health information [0.0]
本稿では,18~26歳のインターネット利用者42名を対象に,ソーシャルメディアと食行動の関係について検討する。
我々は米国とインドでエスノグラフィーを行い、オンラインで食事や健康情報をナビゲートする方法を観察した。
論文 参考訳(メタデータ) (2024-02-28T23:27:15Z) - Empowering machine learning models with contextual knowledge for
enhancing the detection of eating disorders in social media posts [1.0423569489053137]
本稿では,知識グラフと深層学習を組み合わせてソーシャルメディア投稿の分類を強化する新しいハイブリッドアプローチを提案する。
我々は、健康領域、特に摂食障害に関連するポストを特定することに重点を置いている。
我々は,摂食障害に関する2000ツイートのデータセットを用いて,知識グラフ情報と単語埋め込みを組み合わせることで,予測モデルの信頼性が向上することを確認した。
論文 参考訳(メタデータ) (2024-02-08T10:15:41Z) - Understanding How People with Binge Eating Disorder and Bulimia Interact
with Digital Food Content [4.896060424238131]
bnge eating disorder (BED) とbulimia nervosa (BN) の2つの研究を行った。
以上の結果から,BEDおよびBNの患者は,その症状を克服するために,食品メディアからの肯定的な影響を期待しているが,実際には障害を悪化させることが多い。
我々は、日々のオンラインプラットフォームインタラクションにおいて脆弱な個人をサポートするために、デジタル食品コンテンツとマルチメディアプラットフォームの設計上の意味を明確に述べる。
論文 参考訳(メタデータ) (2023-11-10T08:09:42Z) - A Novel Site-Agnostic Multimodal Deep Learning Model to Identify
Pro-Eating Disorder Content on Social Media [0.0]
本研究の目的は、ソーシャルメディア投稿が摂食障害を促進するかどうかを判断できるマルチモーダルディープラーニングモデルを構築することである。
ツイートのラベル付きデータセットがTwitterから収集され、最近Xと改名され、12のディープラーニングモデルがトレーニングされ、評価された。
RoBERTaとMaxViTの融合モデルは、TumblrとRedditの未ラベルの投稿のデータセットを分類するためにデプロイされた。
論文 参考訳(メタデータ) (2023-07-06T16:04:46Z) - Countering Malicious Content Moderation Evasion in Online Social
Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。
本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
論文 参考訳(メタデータ) (2022-12-27T16:08:49Z) - Combating Health Misinformation in Social Media: Characterization,
Detection, Intervention, and Open Issues [24.428582199602822]
様々なソーシャルメディアプラットフォームの台頭は、オンライン誤報の拡散も可能にしている。
ソーシャルメディアにおける健康情報の誤報は、さまざまな分野の研究者から注目を集める新たな研究方向となっている。
論文 参考訳(メタデータ) (2022-11-10T01:52:12Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳(メタデータ) (2022-06-30T12:34:24Z) - Fragments of the Past: Curating Peer Support with Perpetrators of
Domestic Violence [88.37416552778178]
我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。
私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。
これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
論文 参考訳(メタデータ) (2021-07-09T22:57:43Z) - 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) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳(メタデータ) (2020-09-21T03:45:14Z) - Quantifying the Vulnerabilities of the Online Public Square to
Adversarial Manipulation Tactics [47.189859616654736]
ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。
ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。
これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
論文 参考訳(メタデータ) (2019-07-13T21:12:08Z)
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。