論文の概要: Are Generics and Negativity about Social Groups Common on Social Media? A Comparative Analysis of Twitter (X) Data
- arxiv url: http://arxiv.org/abs/2405.08331v1
- Date: Tue, 14 May 2024 05:57:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-15 14:58:01.199378
- Title: Are Generics and Negativity about Social Groups Common on Social Media? A Comparative Analysis of Twitter (X) Data
- Title(参考訳): ソーシャルメディアに共通するソーシャルグループに関するジェネリックとネガティビティ : Twitter(X)データの比較分析
- Authors: Uwe Peters, Ignacio Ojea Quintana,
- Abstract要約: ジェネリック(不適切な一般化)はコミュニケーションにおいて広く行き渡っていると考えられており、それらが社会集団に関している場合、これを悪用し、人々を分極する可能性がある。
我々は、ソーシャルジェネリクスの自動分類器を開発し、それを100万以上の人に関するツイートに適用し、そのツイートを分析した。
人のツイートのほとんど(78%)がジェネリクスを含まないことがわかった。しかし、ソーシャルジェネリクスのツイートは、より「いいね!」やリツイートを受け取った。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generics (unquantified generalizations) are thought to be pervasive in communication and when they are about social groups, this may offend and polarize people because generics gloss over variations between individuals. Generics about social groups might be particularly common on Twitter (X). This remains unexplored, however. Using machine learning (ML) techniques, we therefore developed an automatic classifier for social generics, applied it to more than a million tweets about people, and analyzed the tweets. We found that most tweets (78%) about people contained no generics. However, tweets with social generics received more 'likes' and retweets. Furthermore, while recent psychological research may lead to the prediction that tweets with generics about political groups are more common than tweets with generics about ethnic groups, we found the opposite. However, consistent with recent claims that political animosity is less constrained by social norms than animosity against gender and ethnic groups, negative tweets with generics about political groups were significantly more prevalent and retweeted than negative tweets about ethnic groups. Our study provides the first ML-based insights into the use and impact of social generics on Twitter.
- Abstract(参考訳): ジェネリック(不適切な一般化)はコミュニケーションにおいて広く普及していると考えられており、それらが社会集団であるときには、ジェネリックが個人間のばらつきを乗り越えているため、人々を怒らせ、偏見づける可能性がある。
ソーシャルグループに関するジェネリックは、特にTwitter(X)で一般的かもしれない。
しかし、これは未定である。
そこで、機械学習(ML)技術を用いて、ソーシャルジェネリクスの自動分類器を開発し、人に関する100万以上のツイートに適用し、そのツイートを分析した。
人のツイートのほとんど(78%)にジェネリックは含まれていないことがわかった。
しかし、ソーシャルジェネリクスによるツイートはより「いいね」やリツイートを受け取った。
さらに、近年の心理学的研究は、政治集団に関するジェネリクスによるツイートは、民族集団に関するジェネリクスによるツイートよりも一般的である、という予測に繋がるかも知れないが、その逆は見いだされた。
しかし、近年の政治的敵意は、性別や民族集団に対する敵意よりも社会的規範に制約されないという主張と一致して、政治集団に関するジェネリクスの否定的なツイートは、民族集団に関する否定的なツイートよりも著しく多くなり、リツイートされた。
私たちの研究は、Twitter上でのソーシャルジェネリクスの使用と影響に関するMLベースの最初の洞察を提供する。
関連論文リスト
- Retweets Amplify the Echo Chamber Effect [7.684402388805108]
我々はリツイートグラフを再構築し、エコーチャンバーと露出の尺度への影響を定量化する。
リツイートされたアカウントは、システマティックにより偏りのあるコンテンツを共有している。
以上の結果から,リツイートグラフを用いた研究はエコーチャンバー効果と偏光情報への露出を過大評価していることが示唆された。
論文 参考訳(メタデータ) (2022-11-29T18:51:54Z) - Predicting Hate Intensity of Twitter Conversation Threads [26.190359413890537]
DRAGNET++は、将来、ツイートが返信チェーンを通じてもたらす憎悪の強さを予測することを目的としている。
ツイートスレッドのセマンティックな構造と伝播構造を利用して、続く各ツイートにおけるヘイトインテンシティの低下につながるコンテキスト情報を最大化する。
DRAGNET++は最先端のすべてのベースラインを大幅に上回ることを示す。
論文 参考訳(メタデータ) (2022-06-16T18:51:36Z) - Manipulating Twitter Through Deletions [64.33261764633504]
Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。
ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。
少数のアカウントが毎日大量のツイートを削除していることがわかった。
まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。
第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
論文 参考訳(メタデータ) (2022-03-25T20:07:08Z) - Negativity Spreads Faster: A Large-Scale Multilingual Twitter Analysis
on the Role of Sentiment in Political Communication [7.136205674624813]
本稿は、欧州3カ国の政治家のツイートを分析しようとするものである。
最先端の事前訓練言語モデルを利用することで、数十万のツイートに対して感情分析を行った。
我々の分析は、政治家の否定的なツイートが、特に最近の時代に広く広まっていることを示している。
論文 参考訳(メタデータ) (2022-02-01T13:25:19Z) - Annotators with Attitudes: How Annotator Beliefs And Identities Bias
Toxic Language Detection [75.54119209776894]
本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。
我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。
以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
論文 参考訳(メタデータ) (2021-11-15T18:58:20Z) - 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) - Understanding the Hoarding Behaviors during the COVID-19 Pandemic using
Large Scale Social Media Data [77.34726150561087]
われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。
ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。
LIWCの不安度はTwitterの不安度よりもかなり高い。
論文 参考訳(メタデータ) (2020-10-15T16:02:25Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳(メタデータ) (2020-05-25T21:58:09Z) - 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) - Word frequency and sentiment analysis of twitter messages during
Coronavirus pandemic [0.0]
このソーシャルネットワーキングサイト、Twitterは、新型コロナウイルス関連の投稿数がごく短い期間で前例のない伸びを見せたのと同じような効果を示した。
本稿では、2020年1月から投稿されたこの病気に関連するTwitterメッセージの統計分析について述べる。
その結果、ほとんどのツイートは正の極性を持ち、15%程度しか否定的でないことがわかった。
論文 参考訳(メタデータ) (2020-04-08T10:45:08Z)
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。