論文の概要: Discursive objection strategies in online comments: Developing a classification schema and validating its training

• arxiv url: http://arxiv.org/abs/2405.08142v1
• Date: Mon, 13 May 2024 19:39:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-15 15:47:11.112307
• Title: Discursive objection strategies in online comments: Developing a classification schema and validating its training
• Title（参考訳）: オンラインコメントにおける差別的反対戦略--分類スキーマの作成とトレーニングの検証
• Authors: Ashley L. Shea, Aspen K. B. Omapang, Ji Yong Cho, Miryam Y. Ginsparg, Natalie Bazarova, Winice Hui, René F. Kizilcec, Chau Tong, Drew Margolin,
• Abstract要約: 多くのアメリカ人は、誤情報、ヘイトスピーチ、ハラスメントは有害であり、ソーシャルメディアに不適切であると同意している。 われわれは、YouTubeとTwitterのトレンドニュースビデオに対する6500件以上のコメント回答のコンテンツ分析を行った。 我々は7つの異なる非帰的反対戦略を特定した。
• 参考スコア（独自算出の注目度）: 2.6603898952678167
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Most Americans agree that misinformation, hate speech and harassment are harmful and inadequately curbed on social media through current moderation practices. In this paper, we aim to understand the discursive strategies employed by people in response to harmful speech in news comments. We conducted a content analysis of more than 6500 comment replies to trending news videos on YouTube and Twitter and identified seven distinct discursive objection strategies (Study 1). We examined the frequency of each strategy's occurrence from the 6500 comment replies, as well as from a second sample of 2004 replies (Study 2). Together, these studies show that people deploy a diversity of discursive strategies when objecting to speech, and reputational attacks are the most common. The resulting classification scheme accounts for different theoretical approaches for expressing objections and offers a comprehensive perspective on grassroots efforts aimed at stopping offensive or problematic speech on campus.
• Abstract（参考訳）: 多くのアメリカ人は、誤情報、ヘイトスピーチ、ハラスメントは、現在のモデレーションの慣行を通じてソーシャルメディアに有害で不十分に抑制されていることに同意している。 本稿では,ニュースコメントにおける有害な言論に応えて,人々が採用する散発的戦略を理解することを目的とする。 我々は、YouTubeとTwitterのトレンドニュースビデオに対する6500件以上のコメント回答のコンテンツ分析を行い、7つの異なる反響戦略を特定した(Study 1)。 6500件のコメント回答と2004年の2回目の回答から,各戦略の出現頻度を検討した(第2報)。 これらの研究は、人々が言論に異議を唱えるとき、様々な非帰的戦略を展開していることを示し、評判の攻撃が最も一般的である。 結果として得られた分類体系は、異論を表現するための異なる理論的アプローチを説明でき、キャンパスでの攻撃的または問題のあるスピーチを止めることを目的とした草の根の取り組みを包括的視点を提供する。

関連論文リスト

• Demarked: A Strategy for Enhanced Abusive Speech Moderation through Counterspeech, Detoxification, and Message Management [71.99446449877038]
  本研究では, 重度尺度, (ii) ターゲットの存在, (iii) 文脈尺度, (iv) 法的尺度の4つの側面を基礎として, より包括的手法であるDemarcation scoreing abusive speechを提案する。 本研究は,ネット上での虐待的スピーチを効果的に解決するための今後の戦略を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2024-06-27T21:45:33Z)
• Assessing the impact of contextual information in hate speech detection [0.48369513656026514]
  我々は,Twitter上のメディアからのニュース投稿に対するユーザの反応に基づいた,文脈的ヘイトスピーチ検出のための新しいコーパスを提供する。 このコーパスはリオプラテンセ方言のスペイン語で収集され、新型コロナウイルスのパンデミックに関連するヘイトスピーチに焦点を当てている。
  論文  参考訳（メタデータ） (2022-10-02T09:04:47Z)
• Projective Ranking-based GNN Evasion Attacks [52.85890533994233]
  グラフニューラルネットワーク(GNN)は、グラフ関連のタスクに対して、有望な学習方法を提供する。 GNNは敵の攻撃の危険にさらされている。
  論文  参考訳（メタデータ） (2022-02-25T21:52:09Z)
• "Stop Asian Hate!" : Refining Detection of Anti-Asian Hate Speech During the COVID-19 Pandemic [2.5227595609842206]
  新型コロナウイルス(COVID-19)のパンデミックは、アジアでのキセノフォビアと偏見の急増を加速させた。 我々は2つの実験的なアプローチを用いてTwitterのツイートのコーパスを作成して注釈付けし、反アジア人虐待とヘイトスピーチを探索する。
  論文  参考訳（メタデータ） (2021-12-04T06:55:19Z)
• Characterizing the adversarial vulnerability of speech self-supervised learning [95.03389072594243]
  我々は,ゼロ知識とリミテッド知識の両方の敵からの攻撃の下で,そのようなパラダイムの敵対的脆弱性を調査するための最初の試みを行う。 実験結果から, SUPERB が提案するパラダイムは, 限られた知識を持つ敵に対して脆弱であることが示唆された。
  論文  参考訳（メタデータ） (2021-11-08T08:44:04Z)
• Hate Speech Detection in Roman Urdu [1.6436293069942314]
  この研究は、ローマ・ウルドゥー語文におけるヘイトスピーチ検出の研究を初めて行った。 われわれは9万件以上のツイートを削除し、手動で解析して5000件のローマ・ウルドゥーのツイートを特定した。 我々は,ガイドライン開発に反復的アプローチを採用し,Hate Speech Roman Urdu 2020 corpus の生成に利用した。
  論文  参考訳（メタデータ） (2021-08-05T19:49:46Z)
• Disturbing Reinforcement Learning Agents with Corrupted Rewards [62.997667081978825]
  強化学習アルゴリズムに対する報酬の摂動に基づく異なる攻撃戦略の効果を分析します。 敵対的な報酬をスムーズに作成することは学習者を誤解させることができ、低探査確率値を使用すると、学習した政策は報酬を腐敗させるのがより堅牢であることを示しています。
  論文  参考訳（メタデータ） (2021-02-12T15:53:48Z)
• RESPER: Computationally Modelling Resisting Strategies in Persuasive Conversations [0.7505101297221454]
  説得的会話における抵抗戦略を識別するための一般化フレームワークを提案する。 実験では,非協調的目標指向会話におけるパワーロールの非対称性を明らかにする。 また,会話結果に対するさまざまな抵抗戦略の役割についても検討した。
  論文  参考訳（メタデータ） (2021-01-26T03:44:17Z)
• Did Aristotle Use a Laptop? A Question Answering Benchmark with Implicit Reasoning Strategies [78.68534915690404]
  StrategyQAは、必要な推論ステップが問題に暗黙的であり、戦略を使用して推論されるべきベンチマークです。 用語に基づくプライミングを組み合わせ、アノテーションーを刺激し、アノテーションーの集団を慎重に制御し、推論ショートカットを排除するための逆フィルタリングを行うデータ収集手順を提案する。 総合的に、StrategyQAには2,780の例があり、それぞれが戦略問題、その分解、証拠パラグラフで構成されている。
  論文  参考訳（メタデータ） (2021-01-06T19:14:23Z)
• Examining the Ordering of Rhetorical Strategies in Persuasive Requests [58.63432866432461]
  本研究では,大規模ローン要求コーパスからのテキスト要求において,コンテンツと修辞戦略をアンタングル化するために,変分オートエンコーダモデルを用いる。 特定の(順序の)戦略が要求の内容と一意に相互作用し、成功率に影響を与え、その結果、要求の説得力に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-10-09T15:10:44Z)
• Investigating Deep Learning Approaches for Hate Speech Detection in Social Media [20.974715256618754]
  表現の自由の誤用は、様々なサイバー犯罪や反社会的活動の増加につながった。 ヘイトスピーチ(Hate speech)は、社会的ファブリックの完全性に脅威をもたらす可能性があるため、他の問題と同様に真剣に対処する必要がある。 本稿では,ソーシャルメディアにおける様々なヘイトスピーチの検出に様々な埋め込みを応用したディープラーニングアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-29T17:28:46Z)

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。