論文の概要: Push and Pull: A Framework for Measuring Attentional Agency on Digital Platforms

• arxiv url: http://arxiv.org/abs/2405.14614v2
• Date: Mon, 12 May 2025 18:06:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.130808
• Title: Push and Pull: A Framework for Measuring Attentional Agency on Digital Platforms
• Title（参考訳）: Push and Pull: デジタルプラットフォーム上の意図的エージェントを測定するフレームワーク
• Authors: Zachary Wojtowicz, Shrey Jain, Nicholas Vincent,
• Abstract要約: 本稿では,統計的学習を用いて情報コンテンツに優先順位をつけるデジタルプラットフォーム上での注目度測定のための枠組みを提案する。 与えられたプラットフォームが、各ユーザに対して、自身の注意に情報を引き込み、他のユーザの注意に情報をプッシュする権限をどの程度与えるかを測定するための、正式なフレームワークを導入します。 我々は、オンラインの注目機関をよりよく理解し、形を変えるための一連の戦略で締めくくります。
• 参考スコア（独自算出の注目度）: 5.0288848386593115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a framework for measuring attentional agency, which we define as a user's ability to allocate attention according to their own desires, goals, and intentions on digital platforms that use statistical learning to prioritize informational content. Such platforms extend people's limited powers of attention by extrapolating their preferences to large collections of previously unconsidered informational objects. However, platforms typically also allow users to influence the attention of other users in various ways. We introduce a formal framework for measuring how much a given platform empowers each user to both pull information into their own attention and push information into the attention of others. We also use these definitions to clarify the implications of generative foundation models and other recent advances in AI for the structure and efficiency of digital platforms. We conclude with a set of possible strategies for better understanding and reshaping attentional agency online.
• Abstract（参考訳）: 本稿では,統計的学習を用いて情報コンテンツに優先順位をつけるデジタルプラットフォーム上で,利用者の欲求,目標,意図に応じて注意を割り当てる能力として,注意機関を測定するための枠組みを提案する。 このようなプラットフォームは、これまで考えられていなかった情報オブジェクトの大規模なコレクションに好みを外挿することで、人々の注意力を制限する。 しかし、一般的にプラットフォームは、ユーザーが様々な方法で他のユーザーの注意に影響を及ぼすことを可能にする。 与えられたプラットフォームが、各ユーザに対して、自身の注意に情報を引き込み、他のユーザの注意に情報をプッシュする権限をどの程度与えるかを測定するための、正式なフレームワークを導入します。 また、これらの定義を用いて、生成基盤モデルや、デジタルプラットフォームの構造と効率性に対するAIの最近の進歩の影響を明らかにする。 我々は、オンラインの注目機関をよりよく理解し、形を変えるための一連の戦略で締めくくります。

関連論文リスト

• IOHunter: Graph Foundation Model to Uncover Online Information Operations [8.532129691916348]
  本稿では,情報操作を編成するユーザ,いわゆるIOドライバを,さまざまな影響キャンペーンを通じて識別する手法を提案する。 我々のフレームワークはIOHunterと呼ばれ、Language ModelsとGraph Neural Networksの強みを利用して、教師付き、ほとんど教師なし、クロスIOコンテキストにおける一般化を改善する。 本研究は,ソーシャルメディアプラットフォーム上でのIO検出に特化して,グラフファウンデーションモデルを開発するための一歩となる。
  論文  参考訳（メタデータ） (2024-12-19T09:14:24Z)
• Bridging Nodes and Narrative Flows: Identifying Intervention Targets for Disinformation on Telegram [1.124958340749622]
  本稿では,テレグラム上での誤報の伝播を促進する構造機構について検討する。 我々は, ニューダルテレグラムチャネルの影響を定量化するために, 多次元「ブリッジング」メトリックを導入する。 ノードの小さなサブセットを発見し、このプラットフォームで情報「フロー」を象徴するパターンを特定します。
  論文  参考訳（メタデータ） (2024-11-08T19:10:42Z)
• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Elliptical Attention [1.7597562616011944]
  Pairwise dot-product self-attentionは、言語やビジョンにおける様々なアプリケーションで最先端のパフォーマンスを実現するトランスフォーマーの成功の鍵である。 本稿では,マハラノビス距離計を用いて注意重みの計算を行い,その基礎となる特徴空間を文脈的関連性の高い方向に拡張することを提案する。
  論文  参考訳（メタデータ） (2024-06-19T18:38:11Z)
• Social Convos: Capturing Agendas and Emotions on Social Media [1.6385815610837167]
  本稿では,特定のトピックを議論するユーザのグループ間を循環するメッセージから,影響指標を抽出する手法を提案する。 我々は、アジェンダ(制御)と感情言語の使用の2つの影響指標に焦点を当てる。
  論文  参考訳（メタデータ） (2024-02-23T19:14:09Z)
• Revisiting Self-supervised Learning of Speech Representation from a Mutual Information Perspective [68.20531518525273]
  我々は、情報理論の観点から、既存の自己教師型音声の手法を詳しく検討する。 我々は線形プローブを用いて、対象情報と学習された表現の間の相互情報を推定する。 我々は、ラベルを使わずに、データの異なる部分間の相互情報を見積もる自己教師型の表現を評価する可能性を探る。
  論文  参考訳（メタデータ） (2024-01-16T21:13:22Z)
• Attribute Inference Attack of Speech Emotion Recognition in Federated Learning Settings [56.93025161787725]
  Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。 本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。 FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-12-26T16:50:42Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)
• Explainable Patterns: Going from Findings to Insights to Support Data Analytics Democratization [60.18814584837969]
  我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。 ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
  論文  参考訳（メタデータ） (2021-01-19T16:13:44Z)
• Where2Act: From Pixels to Actions for Articulated 3D Objects [54.19638599501286]
  可動部を有する関節物体の押出しや引抜き等の基本動作に関連する高度に局所化された動作可能な情報を抽出する。 シミュレーションでネットワークをトレーニングできるオンラインデータサンプリング戦略を備えた学習から対話までのフレームワークを提案します。 私たちの学習モデルは、現実世界のデータにも転送します。
  論文  参考訳（メタデータ） (2021-01-07T18:56:38Z)
• Unboxing Engagement in YouTube Influencer Videos: An Attention-Based Approach [0.3686808512438362]
  モデルが捉えた関係に関する洞察を提供する「解釈可能なディープラーニングフレームワーク」を開発します。 印刷広告における視覚的注意に触発された解釈手法は,映像特徴に対するモデル注意の尺度を用いる。 当社のフレームワークをYouTubeインフルエンサービデオに適用し、動画機能を浅いエンゲージメントと深いエンゲージメントの尺度にリンクする。
  論文  参考訳（メタデータ） (2020-12-22T19:32:52Z)
• On the Limits to Multi-Modal Popularity Prediction on Instagram -- A New Robust, Efficient and Explainable Baseline [5.859055059050023]
  人口ベースの人気予測のための,頑健で効率的で説明可能なベースラインを提示する。 我々は,コンピュータビジョンにおける最新の手法を用いて,視覚的モダリティから抽出した情報を最大化する。 われわれの最強のモデルは、Instagramの人口ベースの人気予測可能性に限界があることを示唆している。
  論文  参考訳（メタデータ） (2020-04-26T21:21:50Z)

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。