論文の概要: Supporters and Skeptics: LLM-based Analysis of Engagement with Mental Health (Mis)Information Content on Video-sharing Platforms
- arxiv url: http://arxiv.org/abs/2407.02662v1
- Date: Tue, 2 Jul 2024 20:51:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 18:14:18.372348
- Title: Supporters and Skeptics: LLM-based Analysis of Engagement with Mental Health (Mis)Information Content on Video-sharing Platforms
- Title（参考訳）: 支援者・懐疑者:ビデオ共有プラットフォームにおけるメンタルヘルス(ミス)情報の内容の分析
- Authors: Viet Cuong Nguyen, Mini Jain, Abhijat Chauhan, Heather Jaime Soled, Santiago Alvarez Lesmes, Zihang Li, Michael L. Birnbaum, Sunny X. Tang, Srijan Kumar, Munmun De Choudhury,
- Abstract要約: 米国では5人に1人が精神疾患で暮らしている。
ショートフォームビデオコンテンツは、メンタルヘルスとリソースを広めるための重要なコンジットとして機能するように成長してきた。
- 参考スコア（独自算出の注目度）: 19.510446994785667
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Over one in five adults in the US lives with a mental illness. In the face of a shortage of mental health professionals and offline resources, online short-form video content has grown to serve as a crucial conduit for disseminating mental health help and resources. However, the ease of content creation and access also contributes to the spread of misinformation, posing risks to accurate diagnosis and treatment. Detecting and understanding engagement with such content is crucial to mitigating their harmful effects on public health. We perform the first quantitative study of the phenomenon using YouTube Shorts and Bitchute as the sites of study. We contribute MentalMisinfo, a novel labeled mental health misinformation (MHMisinfo) dataset of 739 videos (639 from Youtube and 100 from Bitchute) and 135372 comments in total, using an expert-driven annotation schema. We first found that few-shot in-context learning with large language models (LLMs) are effective in detecting MHMisinfo videos. Next, we discover distinct and potentially alarming linguistic patterns in how audiences engage with MHMisinfo videos through commentary on both video-sharing platforms. Across the two platforms, comments could exacerbate prevailing stigma with some groups showing heightened susceptibility to and alignment with MHMisinfo. We discuss technical and public health-driven adaptive solutions to tackling the "epidemic" of mental health misinformation online.
- Abstract（参考訳）: 米国では5人に1人以上が精神疾患で暮らしている。
メンタルヘルスの専門家やオフラインリソースの不足に直面して、オンラインのショートフォームビデオコンテンツは、メンタルヘルスの助けやリソースを広めるための重要なコンジットとして機能するように成長してきた。
しかし、コンテンツ作成とアクセスの容易さは、誤報の拡散にも寄与し、正確な診断と治療にリスクをもたらす。
このようなコンテンツによるエンゲージメントの検出と理解は、公衆衛生に対する有害な影響を軽減するために不可欠である。
研究現場としてYouTube ShortsとBitchuteを用いて,この現象の定量的研究を行った。
MentalMisinfoは、専門家主導のアノテーションスキーマを用いて、739のビデオ(Youtubeから639、Bitchuteから100)と135372コメントのラベル付きメンタルヘルス誤情報(MHMisinfo)データセットである。
MHMisinfo ビデオの検出には,大規模言語モデル (LLMs) を用いたテキスト内学習が有効であることがわかった。
次に、両方のビデオ共有プラットフォームに関するコメントを通じて、聴衆がMHMisinfoビデオとどのように関わるかという言語パターンを識別し、潜在的に警告する。
2つのプラットフォームをまたいだコメントは、MHMisinfoに対する感受性の高まりとアライメントを示すグループによって、一般的なスティグマを悪化させる可能性がある。
我々は、心的健康の誤報をオンラインで解決するための、技術的および公共衛生主導型の適応的解決策について議論する。
関連論文リスト
- MentalGLM Series: Explainable Large Language Models for Mental Health Analysis on Chinese Social Media [31.752563319585196]
ブラックボックスモデルはタスクを切り替えるときに柔軟性がなく、その結果は説明に欠ける。
大きな言語モデル(LLM)の台頭とともに、その柔軟性はこの分野に新しいアプローチを導入した。
本稿では,9Kサンプルからなる中国初のマルチタスク・ソーシャル・メディア解釈型メンタルヘルス・インストラクション・データセットを提案する。
また,中国ソーシャルメディアをターゲットとしたメンタルヘルス分析を目的とした,初のオープンソースLCMであるMentalGLMシリーズモデルを提案する。
論文 参考訳（メタデータ） (2024-10-14T09:29:27Z) - MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。
プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。
MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文 参考訳（メタデータ） (2024-10-09T13:06:40Z) - Short-Form Videos and Mental Health: A Knowledge-Guided Neural Topic Model [7.327234765760251]
我々は、短いビデオの自殺思考が視聴者に与える影響を予測するための知識ガイド型NTMを開発した。
また,自殺思考に関係のある動画から,医学的な話題も発見する。
提案手法は,ビデオの自殺的思考の影響をプラットフォームが理解し,コミュニティガイドラインに違反したビデオのモデレーションを支援する。
論文 参考訳（メタデータ） (2024-01-11T03:36:47Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - MentSum: A Resource for Exploring Summarization of Mental Health Online
Posts [19.247804638955785]
メンタルヘルスは、世界中の公衆衛生にとって重要な課題である。
オンラインプラットフォームの人気が高まるにつれて、多くの人々がプラットフォームを使ってメンタルヘルス状態を共有し、感情を表現し、コミュニティやカウンセラーからの助けを求めている。
Reachoutのようなプラットフォームの中には、ユーザーが助けを求めるために登録する専用のフォーラムもある。
Redditなど他のサービスでは、ユーザーが公開でも匿名でメンタルヘルスの苦痛を投稿するサブレディットを提供している。
ポストの長さは様々であるが、カウンセラーによる高速な処理のために短いが情報的な要約を提供することは有益である。
論文 参考訳（メタデータ） (2022-06-02T03:08:34Z) - Know it to Defeat it: Exploring Health Rumor Characteristics and
Debunking Efforts on Chinese Social Media during COVID-19 Crisis [65.74516068984232]
われわれは、中国のマイクロブログサイトWeiboで、新型コロナウイルス(COVID-19)に関する4ヶ月にわたる噂に関するオンラインディスカッションを包括的に分析した。
以上の結果から、不安(恐怖)型健康噂は、希望(希望)型よりもはるかに多くの議論を巻き起こし、長く続いたことが示唆された。
本稿では,噂の議論を抑えるためのデバンキングの有効性を示す。
論文 参考訳（メタデータ） (2021-09-25T14:02:29Z) - Understanding Health Misinformation Transmission: An Interpretable Deep
Learning Approach to Manage Infodemics [6.08461198240039]
本研究では,新しい解釈可能な深層学習手法であるGenerative Adversarial NetworkベースのPiecewise Wide and Attention Deep Learning (GAN-PiWAD)を提案する。
社会交換理論に則った特徴を選択し、4,445本の誤報動画でGAN-PiWADを評価します。
本研究は,ソーシャルメディアプラットフォームや政策立案者に対して,誤情報を識別し,伝達を制御し,インフォデミクスを管理するための積極的な介入をデザインする直接的意義を与える。
論文 参考訳（メタデータ） (2020-12-21T15:49:19Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z) - Assessing Viewer's Mental Health by Detecting Depression in YouTube
Videos [6.846274669929093]
うつ病は自殺の主な原因の1つであり、家族や社会に大きな経済的負担を課している。
本稿では,YouTubeビデオのコンテンツに適用する機械学習技術の有効性について検討する。
我々のモデルは83%の精度で抑うつビデオを検出することができる。
論文 参考訳（メタデータ） (2020-07-29T16:17:35Z)
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。