論文の概要: Who is bragging more online? A large scale analysis of bragging in social media

• arxiv url: http://arxiv.org/abs/2403.16668v1
• Date: Mon, 25 Mar 2024 12:07:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 14:58:36.580014
• Title: Who is bragging more online? A large scale analysis of bragging in social media
• Title（参考訳）: 誰がもっとオンラインで自慢しているのか? ソーシャルメディアにおける自慢の大規模分析
• Authors: Mali Jin, Daniel Preoţiuc-Pietro, A. Seza Doğruöz, Nikolaos Aletras,
• Abstract要約: 本稿では,Twitter(米国)におけるブラッグ行動の大規模研究を行うために,計算社会言語学的手法を用いる。 本研究は,同一利用者内でのブラッグの頻度が時間の経過とともに低下していることを示す。 さらに、米国の若い、より教育を受け、人気のあるユーザーは、より自慢する傾向にある。
• 参考スコア（独自算出の注目度）: 31.768287848321354
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bragging is the act of uttering statements that are likely to be positively viewed by others and it is extensively employed in human communication with the aim to build a positive self-image of oneself. Social media is a natural platform for users to employ bragging in order to gain admiration, respect, attention and followers from their audiences. Yet, little is known about the scale of bragging online and its characteristics. This paper employs computational sociolinguistics methods to conduct the first large scale study of bragging behavior on Twitter (U.S.) by focusing on its overall prevalence, temporal dynamics and impact of demographic factors. Our study shows that the prevalence of bragging decreases over time within the same population of users. In addition, younger, more educated and popular users in the U.S. are more likely to brag. Finally, we conduct an extensive linguistics analysis to unveil specific bragging themes associated with different user traits.
• Abstract（参考訳）: ブラッグ(Bragging)とは、他人が肯定的に見る可能性のある言明を発する行為であり、自己の肯定的な自己イメージを構築することを目的として、人間のコミュニケーションに広く採用されている。 ソーシャルメディアは、利用者から賞賛、敬意、注意、フォロワーを得るために、ユーザーが自慢を雇うための自然なプラットフォームである。 しかし、オンラインでの自慢の規模とその特徴についてはほとんど分かっていない。 本稿では,Twitter(米国)上でのブラッグ行動の大規模研究に計算社会言語学的手法を適用し,その全体的頻度,時間的ダイナミクス,人口統計要因の影響に着目した。 本研究は,同一利用者内でのブラッグの頻度が時間の経過とともに低下していることを示す。 さらに、米国の若い、より教育を受け、人気のあるユーザーは、より自慢する傾向にある。 最後に、異なるユーザ特性に関連する特定のブラッグのテーマを明らかにするために、広範な言語学的分析を行う。

関連論文リスト

• 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)
• Understanding How People Rate Their Conversations [73.17730062864314]
  我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。 我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
  論文  参考訳（メタデータ） (2022-06-01T00:45:32Z)
• Automatic Identification and Classification of Bragging in Social Media [25.874568334146122]
  本稿では,計算言語学におけるブラッギングの大規模研究について紹介する。 我々は、自慢やそのタイプに注釈を付けたツイートの、新たに公開されたデータセットを紹介します。 以上の結果から,2次・複数クラス分類タスクにおいて,マクロF1のブラッグを最大72.42,35.95まで予測できることが示唆された。
  論文  参考訳（メタデータ） (2022-03-11T10:33:42Z)
• A deep dive into the consistently toxic 1% of Twitter [9.669275987983447]
  この調査は、112万のTwitterプロフィールから14年間のツイートと2億2300万以上のツイートをカバーしている。 有害なコンテンツの一貫性の観点から最も極端なプロファイルを選択し、彼らのツイートテキストと、彼らが共有したドメイン、ハッシュタグ、URLを調べました。 その結果、これらのプロファイルはハッシュタグ、URL、ドメインの多様性の低い狭いテーマに保たれており、数学的に互いに似ており、ボットのような振る舞いの可能性が高いことがわかった。
  論文  参考訳（メタデータ） (2022-02-16T04:21:48Z)
• Going Extreme: Comparative Analysis of Hate Speech in Parler and Gab [2.487445341407889]
  われわれはParler上でのヘイトスピーチの大規模分析を行った。 分類精度を改善するために10K Parlerの投稿に注釈を付けた。 ヘイト・モンジャーはパラーのアクティブユーザー数の16.1%を占める。
  論文  参考訳（メタデータ） (2022-01-27T19:29:17Z)
• The Spread of Propaganda by Coordinated Communities on Social Media [43.2770127582382]
  我々は、2019年イギリス総選挙に関する大規模なTwitterデータセット上で、プロパガンダの拡散とその協調行動との相互作用を分析する。 プロパガンダの利用と協調行動を組み合わせることで、異なるコミュニティの真正性と有害性を明らかにすることができる。
  論文  参考訳（メタデータ） (2021-09-27T13:39:10Z)
• Discourse Analysis of Covid-19 in Persian Twitter Social Networks Using Graph Mining and Natural Language Processing [0.0]
  調査されたビッグデータは、ペルシャのTwitterネットワークのユーザ16万から500万のツイートだ。 分析されたイラン社会は、自分たちがコビッド19の悪い問題に責任があるとは考えていない。 最も活発で影響力のある利用者の類似性は、政治的、国家的、批判的な談話の構築が主なものであることである。
  論文  参考訳（メタデータ） (2021-09-01T10:39:20Z)
• 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)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)
• #MeToo on Campus: Studying College Sexual Assault at Scale Using Data Reported on Social Media [71.74529365205053]
  我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。 その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。 この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
  論文  参考訳（メタデータ） (2020-01-16T18:05:46Z)

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。