論文の概要: MOTIV: Visual Exploration of Moral Framing in Social Media
- arxiv url: http://arxiv.org/abs/2403.14696v1
- Date: Fri, 15 Mar 2024 16:11:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:23:33.634352
- Title: MOTIV: Visual Exploration of Moral Framing in Social Media
- Title(参考訳): MOTIV:ソーシャルメディアにおけるモラル・フレーミングの視覚的探索
- Authors: Andrew Wentzel, Lauren Levine, Vipul Dhariwal, Zarah Fatemi, Abarai Bhattacharya, Barbara Di Eugenio, Andrew Rojecki, Elena Zheleva, G. Elisabeta Marai,
- Abstract要約: 本稿では、ソーシャルメディア上での道徳的レトリックの分析のためのビジュアル・コンピューティング・フレームワークを提案する。
マイクロブログデータで表されるこれらの道徳的次元のそれぞれの背後にあるテクスタイエン、テキスタイル、テキスタイルをデコンストラクションし視覚化するための方法論を提案する。
この視覚的アプローチは、迅速かつ協調的な仮説テストをサポートし、議論を呼んでいる政治的問題の背後にある道徳的価値に関する洞察を得るのに役立ちます。
- 参考スコア(独自算出の注目度): 9.314312944316962
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a visual computing framework for analyzing moral rhetoric on social media around controversial topics. Using Moral Foundation Theory, we propose a methodology for deconstructing and visualizing the \textit{when}, \textit{where}, and \textit{who} behind each of these moral dimensions as expressed in microblog data. We characterize the design of this framework, developed in collaboration with experts from language processing, communications, and causal inference. Our approach integrates microblog data with multiple sources of geospatial and temporal data, and leverages unsupervised machine learning (generalized additive models) to support collaborative hypothesis discovery and testing. We implement this approach in a system named MOTIV. We illustrate this approach on two problems, one related to Stay-at-home policies during the COVID-19 pandemic, and the other related to the Black Lives Matter movement. Through detailed case studies and discussions with collaborators, we identify several insights discovered regarding the different drivers of moral sentiment in social media. Our results indicate that this visual approach supports rapid, collaborative hypothesis testing, and can help give insights into the underlying moral values behind controversial political issues. Supplemental Material: https://osf.io/ygkzn/?view_only=6310c0886938415391d977b8aae8b749
- Abstract(参考訳): 本稿では、ソーシャルメディア上での道徳的レトリックの分析のためのビジュアル・コンピューティング・フレームワークを提案する。
モーラル・ファンデーション理論を用いて、マイクロブログデータで表されるこれらの道徳的次元の裏側にある \textit{when}, \textit{where}, \textit{who} をデコンストラクションし、視覚化するための方法論を提案する。
本稿では,言語処理,コミュニケーション,因果推論などの専門家と共同で開発したフレームワークの設計を特徴付ける。
提案手法では,マイクロブログデータと地理空間的および時間的データの複数のソースを統合し,教師なし機械学習(一般化付加モデル)を活用して協調仮説の発見とテストを支援する。
このアプローチをMOTIVというシステムに実装する。
本研究は、新型コロナウイルスの感染拡大に伴う在宅政策と、Black Lives Matter運動に関連する2つの課題について説明する。
より詳細な事例研究と協力者との議論を通じて,ソーシャルメディアにおける道徳的感情の異なる要因について,いくつかの知見が得られた。
この視覚的アプローチは、迅速かつ協調的な仮説テストをサポートし、議論を呼んでいる政治的問題の背後にある道徳的価値に関する洞察を得るのに役立ちます。
補足資料:https://osf.io/ygkzn/?
view_only=6310c0886938415391d977b8aae8b749
関連論文リスト
- Integrating Large Language Models with Graph-based Reasoning for Conversational Question Answering [58.17090503446995]
我々は,テキストや知識グラフ,テーブル,インフォボックスといった異質な情報源から収集された証拠について,文脈における質問の理解と推論の課題を組み合わせた会話型質問応答タスクに着目する。
提案手法はグラフ構造表現を用いて質問とその文脈に関する情報を集約する。
論文 参考訳(メタデータ) (2024-06-14T13:28:03Z) - Implicit Personalization in Language Models: A Systematic Study [94.29756463158853]
インプリシトパーソナライゼーション (IP) は、入力プロンプト内の暗黙の手がかりからユーザの背景を推測する言語モデルの現象である。
この研究は、厳密な数学的定式化、多面的道徳的推論フレームワーク、そして一連の事例研究を通じて、IPを体系的に研究する。
論文 参考訳(メタデータ) (2024-05-23T17:18:46Z) - MoralBERT: A Fine-Tuned Language Model for Capturing Moral Values in Social Discussions [4.747987317906765]
道徳的価値は、情報を評価し、意思決定し、重要な社会問題に関する判断を形成する上で、基本的な役割を担います。
自然言語処理(NLP)の最近の進歩は、人文コンテンツにおいて道徳的価値を測ることができることを示している。
本稿では、社会談話における道徳的感情を捉えるために微調整された言語表現モデルであるMoralBERTを紹介する。
論文 参考訳(メタデータ) (2024-03-12T14:12:59Z) - SADAS: A Dialogue Assistant System Towards Remediating Norm Violations
in Bilingual Socio-Cultural Conversations [56.31816995795216]
SADAS(Socially-Aware Dialogue Assistant System)は、会話が敬意と理解で広がることを保証するためのシステムである。
本システムの新しいアーキテクチャは,(1)対話に存在する規範のカテゴリを特定すること,(2)潜在的な規範違反を検出すること,(3)違反の深刻さを評価すること,(4)違反の是正を目的とした対策を実施すること,を含む。
論文 参考訳(メタデータ) (2024-01-29T08:54:21Z) - "A Tale of Two Movements": Identifying and Comparing Perspectives in
#BlackLivesMatter and #BlueLivesMatter Movements-related Tweets using Weakly
Supervised Graph-based Structured Prediction [24.02026820625265]
ソーシャルメディアは、オンライン社会運動の形成を促進することによって、社会変革の主要な原動力となっている。
我々は#BackLivesMatter関連ツイートの視点を明示的にモデル化する弱い教師付きグラフベースのアプローチを提案する。
論文 参考訳(メタデータ) (2023-10-11T03:01:42Z) - Exploring Embeddings for Measuring Text Relatedness: Unveiling
Sentiments and Relationships in Online Comments [1.7230140898679147]
本稿では,様々なソーシャルメディアプラットフォームにおけるコメント間の感情的・意味的関係について検討する。
単語の埋め込みを使って文や文書のコンポーネントを分析する。
我々の分析は、オンラインコメントの相互接続性をより深く理解し、大きな相互接続脳として機能するインターネットの概念を調査する。
論文 参考訳(メタデータ) (2023-09-15T04:57:23Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳(メタデータ) (2023-07-25T17:59:18Z) - Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。
我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。
3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
論文 参考訳(メタデータ) (2022-04-19T12:10:03Z) - Designing for Engaging with News using Moral Framing towards Bridging
Ideological Divides [6.177805579183265]
本稿は、モラル財団として知られる基本的人的価値の枠組みを用いて、米国のニュース消費者に関与するよう教育することで、イデオロギー部門に対処するための作業設計システムについて述べる。
我々は、ユーザーが反対の見解に対する理解に挑戦するように促す一連の新機能を設計し、実装する。
本研究は,71名の参加者を6~8日間に分けて各デザインのフィールド評価を行い,対象者の道徳的価値を再設定したことを示す証拠を見出した。
論文 参考訳(メタデータ) (2021-01-27T07:20:48Z) - An Exploration of Embodied Visual Exploration [97.21890864063872]
身体的コンピュータビジョンは、新しい非構造環境におけるロボットに対する知覚を考慮に入れている。
既存の視覚探索アルゴリズムの分類を提示し、それらをベンチマークするための標準フレームワークを作成する。
次に,提案フレームワークを用いた4つの最先端パラダイムの徹底的な実証的研究を行った。
論文 参考訳(メタデータ) (2020-01-07T17:40:32Z)
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。