論文の概要: "We're not all construction workers": Algorithmic Compression of Latinidad on TikTok

• arxiv url: http://arxiv.org/abs/2407.13927v1
• Date: Thu, 18 Jul 2024 22:30:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 19:23:11.955508
• Title: "We're not all construction workers": Algorithmic Compression of Latinidad on TikTok
• Title（参考訳）: 『我々はすべて建設労働者ではない』:TikTokにおけるラテンダッドのアルゴリズム圧縮
• Authors: Nina Lutz, Cecilia Aragon,
• Abstract要約: ビデオ共有プラットフォームTikTokのアルゴリズムシステムについて,ラテックスの人々がどのように経験するかを検討した。 TikTokのラテン系ユーザーは、ポジティブなコンテンツフィードとアイデンティティーコンテンツフィードを積極的に利用しているが、これらのフィードはネガティブなコンテンツによって中断されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Latinx diaspora in the United States is a rapidly growing and complex demographic who face intersectional harms and marginalizations in sociotechnical systems and are currently underserved in CSCW research. While the field understands that algorithms and digital content are experienced differently by marginalized populations, more investigation is needed about how Latinx people experience social media and, in particular, visual media. In this paper, we focus on how Latinx people experience the algorithmic system of the video-sharing platform TikTok. Through a bilingual interview and visual elicitation study of 19 Latinx TikTok users and 59 survey participants, we explore how Latinx individuals experience TikTok and its Latinx content. We find Latinx TikTok users actively use platform affordances to create positive and affirming identity content feeds, but these feeds are interrupted by negative content (i.e. violence, stereotypes, linguistic assumptions) due to platform affordances that have unique consequences for Latinx diaspora users. We discuss these implications on Latinx identity and representation, introduce the concept of \textit{algorithmic identity compression}, where sociotechncial systems simplify, flatten, and conflate intersection identities, resulting in compression via the loss of critical cultural data deemed unnecessary by these systems and designers of them. This study explores how Latinx individuals are particularly vulnerable to this in sociotechnical systems, such as, but not limited to, TikTok.
• Abstract（参考訳）: アメリカ合衆国におけるラテックス・ディアスポラは急速に成長し複雑な人口層であり、社会技術システムにおける交点の害や限界化に直面しており、現在はCSCW研究に携わっている。 この分野は、アルゴリズムとデジタルコンテンツが人口の限界によって異なる経験を受けていることを理解しているが、ラテックスの人々がソーシャルメディア、特にビジュアルメディアをどう経験するかについて、さらなる調査が必要である。 本稿では,ビデオ共有プラットフォームTikTokのアルゴリズムシステムをラテックス人がどう経験するかに焦点を当てる。 The bilingual interview and visual elicitation study of 19 Latinx TikTok users and 59 survey participants, we explore how Latinx individuals experience TikTok and its Latinx content。 ラテン文字のTikTokユーザーは、肯定的かつ肯定的なアイデンティティコンテンツフィードを作成するためにプラットフォームアプライアンスを積極的に利用しているが、これらのフィードは、ラテン文字のディアスポラユーザーにとってユニークな結果をもたらすプラットフォームアプライアンスによって、負のコンテンツ(暴力、ステレオタイプ、言語的仮定)によって中断される。 本稿では,これらがラテックス・アイデンティティと表現に与える影響を論じ,社会工学的なシステムを単純化し,平らにし,交叉のアイデンティティを折り畳むという「textit{algorithmic identity compression}」の概念を導入し,これらのシステムや設計者が不要とみなす重要な文化的データの喪失を通じて圧縮する。 この研究は、ラテン系個人が、特にTikTokに限らず、社会工学的なシステムにおいて、これに対して脆弱であることを示す。

関連論文リスト

• Modeling offensive content detection for TikTok [0.0]
  本研究では,攻撃内容を含むTikTokデータの収集と解析を行う。 攻撃的なコンテンツ検出のための一連の機械学習とディープラーニングモデルを構築している。
  論文  参考訳（メタデータ） (2024-08-29T18:47:41Z)
• Into the LAIONs Den: Investigating Hate in Multimodal Datasets [67.21783778038645]
  本稿では、LAION-400MとLAION-2Bの2つのデータセットの比較監査を通して、ヘイトフルコンテンツに対するデータセットのスケーリングの効果について検討する。 その結果、データセットのスケールによってヘイトコンテンツは12%近く増加し、質的にも定量的にも測定された。 また、画像のみに基づいて算出されたNot Safe For Work(NSFW)値に基づくデータセットの内容のフィルタリングは、アルトテキストにおける有害なコンテンツをすべて排除するものではないことがわかった。
  論文  参考訳（メタデータ） (2023-11-06T19:00:05Z)
• NusaWrites: Constructing High-Quality Corpora for Underrepresented and Extremely Low-Resource Languages [54.808217147579036]
  インドネシアの地方言語について事例研究を行う。 データセット構築におけるオンラインスクラップ,人文翻訳,および母語話者による段落作成の有効性を比較した。 本研究は,母語話者による段落作成によって生成されたデータセットが,語彙的多様性と文化的内容の点で優れた品質を示すことを示す。
  論文  参考訳（メタデータ） (2023-09-19T14:42:33Z)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• An Empirical Investigation of Personalization Factors on TikTok [77.34726150561087]
  TikTokのアルゴリズムがプラットフォームの成功とコンテンツの配布に重要であるにもかかわらず、アルゴリズムの実証的な分析はほとんど行われていない。 我々は,私たちが開発したカスタムアルゴリズムを用いたソック・パペット・監査手法を用いて,TikTokへのアクセスに使用される言語と位置情報の効果を検証,分析した。 その結果,フォローフェールが最も強い影響を受けており,ライクフェールやビデオ視聴率が高いことが判明した。
  論文  参考訳（メタデータ） (2022-01-28T17:40:00Z)
• Toxicity Detection for Indic Multilingual Social Media Content [0.0]
  本稿では、emphIIIT-D Abusive Comment Identification Challengeにおいて、ShareChat/Mojが提供するデータを用いて、チーム「Moj Masti」によって提案されたシステムについて述べる。 我々は、多言語トランスフォーマーに基づく事前訓練および微調整モデルを用いて、コード混在/コード切替型分類タスクにアプローチする方法に焦点をあてる。
  論文  参考訳（メタデータ） (2022-01-03T12:01:47Z)
• Named Entity Recognition for Social Media Texts with Semantic Augmentation [70.44281443975554]
  名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。 そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
  論文  参考訳（メタデータ） (2020-10-29T10:06:46Z)
• Toxic Language Detection in Social Media for Brazilian Portuguese: New Dataset and Multilingual Analysis [4.251937086394346]
  最先端のBERTモデルでは,バイナリケースのモノリンガルデータを用いて76%のマクロF1スコアを達成できた。 より正確なモデルを作成するためには,大規模なモノリンガルデータが依然として必要であることを示す。
  論文  参考訳（メタデータ） (2020-10-09T13:05:19Z)
• The Frankfurt Latin Lexicon: From Morphological Expansion and Word Embeddings to SemioGraphs [97.8648124629697]
  この記事は、古典的な機械学習と知的ポストコレクション、特に、基礎となる語彙資源のグラフ表現に基づく人間の解釈プロセスを含む、より包括的なレマティゼーションの理解を論じている。
  論文  参考訳（メタデータ） (2020-05-21T17:16:53Z)

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。