論文の概要: Into the crossfire: evaluating the use of a language model to crowdsource gun violence reports

• arxiv url: http://arxiv.org/abs/2401.12989v1
• Date: Tue, 16 Jan 2024 14:40:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-28 15:29:48.120171
• Title: Into the crossfire: evaluating the use of a language model to crowdsource gun violence reports
• Title（参考訳）: 銃乱射事件:銃暴力報告のクラウドソーシングにおける言語モデルの利用評価
• Authors: Adriano Belisario, Scott Hale, Luc Rocher
• Abstract要約: 我々は、通常のポルトガル語のテキストと銃暴力の報告を区別するために、Twitterテキストで訓練された細調整BERTベースのモデルを提案する。 我々は、新たな銃暴力イベントを特定するために、ソーシャルメディアのテキストを継続的に事実チェックしているブラジルのアナリストを調査、インタビューする。
• 参考スコア（独自算出の注目度）: 0.21485350418225244
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Gun violence is a pressing and growing human rights issue that affects nearly every dimension of the social fabric, from healthcare and education to psychology and the economy. Reliable data on firearm events is paramount to developing more effective public policy and emergency responses. However, the lack of comprehensive databases and the risks of in-person surveys prevent human rights organizations from collecting needed data in most countries. Here, we partner with a Brazilian human rights organization to conduct a systematic evaluation of language models to assist with monitoring real-world firearm events from social media data. We propose a fine-tuned BERT-based model trained on Twitter (now X) texts to distinguish gun violence reports from ordinary Portuguese texts. Our model achieves a high AUC score of 0.97. We then incorporate our model into a web application and test it in a live intervention. We study and interview Brazilian analysts who continuously fact-check social media texts to identify new gun violence events. Qualitative assessments show that our solution helped all analysts use their time more efficiently and expanded their search capacities. Quantitative assessments show that the use of our model was associated with more analysts' interactions with online users reporting gun violence. Taken together, our findings suggest that modern Natural Language Processing techniques can help support the work of human rights organizations.
• Abstract（参考訳）: 銃暴力は、医療、教育、心理学、経済など、社会構造のほぼすべての側面に影響を及ぼす、迫り強く成長する人権問題である。 銃器事件に関する信頼性の高いデータは、より効果的な公共政策と緊急対応を開発する上で重要である。 しかし、包括的データベースの欠如と個人調査のリスクは、人権団体が多くの国で必要なデータを集めることを妨げている。 ここでは、ブラジルの人権団体と提携し、ソーシャルメディアデータから実世界の銃器イベントを監視するために、言語モデルの体系的な評価を行う。 我々は、Twitter(現在のX)テキストで訓練された細調整BERTベースのモデルを提案し、通常のポルトガルのテキストと銃暴力レポートを区別する。 その結果,AUCスコアは0.97。 次に、モデルをWebアプリケーションに組み込んで、ライブの介入でテストします。 我々は、新しい銃暴力事件を特定するために、ソーシャルメディアのテキストを継続的に事実チェックするブラジルのアナリストを調査し、インタビューする。 質的な評価は、我々のソリューションが全てのアナリストがより効率的に時間を使い、検索能力を拡張するのに役立ったことを示している。 定量的評価の結果,本モデルの利用は,銃による暴力を報告するオンラインユーザとのより多くのアナリストのインタラクションと関連していることが示唆された。 その結果,現代自然言語処理技術は人権団体の業務を支援することができることが示唆された。

関連論文リスト

• Mapping Violence: Developing an Extensive Framework to Build a Bangla Sectarian Expression Dataset from Social Media Interactions [1.2618555186247333]
  オンラインバングラコンテンツにおける共犯マーカーの自動検出のための,初の包括的枠組みを開発した。 私たちのワークフローでは、社会科学者、言語学者、心理学者の洞察を取り入れた7段階の専門家アノテーションプロセスを導入しています。 このデータセットを用いてデータ統計とベンチマーク性能を提示することにより、非コミュニケーション暴力のカテゴリ以外では、リグリゴ・コミュニティ暴力は特にバングラ文字で広く普及していると判断した。
  論文  参考訳（メタデータ） (2024-04-17T21:09:13Z)
• A Call to Arms: AI Should be Critical for Social Media Analysis of Conflict Zones [5.479613761646247]
  本稿では、コンピュータビジョンを用いて、特定の武器システムとそれを用いた武装集団の署名を特定するための予備的、横断的な作業について述べる。 武器の配布方法を追跡するだけでなく、ウクライナの様々な種類の国家や非国家の軍事俳優がどの種類の武器を使用しているかを追跡する可能性がある。 このようなシステムは、人道支援や医療援助がもっとも必要となる場所を含む、リアルタイムでの紛争を理解するために最終的に使用できる。
  論文  参考訳（メタデータ） (2023-11-01T19:49:32Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• Understanding Lexical Biases when Identifying Gang-related Social Media Communications [18.301221486244263]
  シカゴのギャング関連ツイートを識別するために、バイナリロジスティック分類器を使用します。 ツイートの言語は非常に関連性が高く、ビッグデータのメソッドや機械学習モデルを使用することで、言語がモデルのパフォーマンスに与える影響をよりよく理解する必要があります。
  論文  参考訳（メタデータ） (2023-04-22T21:51:49Z)
• PAL: Persona-Augmented Emotional Support Conversation Generation [54.069321178816686]
  メンタルヘルス支援のための人的資源が不足しているため、サポートのために会話エージェントを採用する必要性が高まっている。 近年の研究では、感情支援のための対話モデルの有効性が実証されている。 本研究では,探索者のペルソナを動的に推論・モデル化する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-12-19T04:12:54Z)
• Modeling Political Activism around Gun Debate via Social Media [16.571752603108344]
  我々は、人口と個人レベルで、オフラインの政治活動の予測因子を調べるためにソーシャルメディア信号を使用する。 我々は,特にネットワーク情報が利用可能な場合,銃問題におけるユーザの姿勢を分類することが可能であることを示す。
  論文  参考訳（メタデータ） (2022-04-30T17:17:08Z)
• LaMDA: Language Models for Dialog Applications [75.75051929981933]
  LaMDAは、ダイアログに特化したトランスフォーマーベースのニューラルネットワークモデルのファミリーである。 注釈付きデータで微調整し、モデルが外部の知識ソースを参照できるようにすると、大幅な改善がもたらされる。
  論文  参考訳（メタデータ） (2022-01-20T15:44:37Z)
• FacTeR-Check: Semi-automated fact-checking through Semantic Similarity and Natural Language Inference [61.068947982746224]
  FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。 このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。 この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
  論文  参考訳（メタデータ） (2021-10-27T15:44:54Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)

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。