論文の概要: Mapping the Technological Future: A Topic, Sentiment, and Emotion Analysis in Social Media Discourse

• arxiv url: http://arxiv.org/abs/2407.17522v1
• Date: Sat, 20 Jul 2024 18:15:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-26 18:08:23.897537
• Title: Mapping the Technological Future: A Topic, Sentiment, and Emotion Analysis in Social Media Discourse
• Title（参考訳）: 技術の未来をマッピングする:ソーシャルメディア談話における話題・感性・感情分析
• Authors: Alina Landowska, Maciej Skorski, Krzysztof Rajda,
• Abstract要約: 本研究は、2021年から2023年までの150万ツイートに対する感情と感情の分析とともにBERTopicをモデル化する。 予想されるテクノロジー主導の未来を特定し、400人の主要な世論指導者(KOL)が伝達する感情を捉えている。 肯定的な感情は、肯定的な予感が支配的であり、否定的な感情よりも有意に優れていた。
• 参考スコア（独自算出の注目度）: 1.998140290950519
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People worldwide are currently confronted with a number of technological challenges, which act as a potent source of uncertainty. The uncertainty arising from the volatility and unpredictability of technology (such as AI) and its potential consequences is widely discussed on social media. This study uses BERTopic modelling along with sentiment and emotion analysis on 1.5 million tweets from 2021 to 2023 to identify anticipated tech-driven futures and capture the emotions communicated by 400 key opinion leaders (KOLs). Findings indicate positive sentiment significantly outweighs negative, with a prevailing dominance of positive anticipatory emotions. Specifically, the 'Hope' score is approximately 10.33\% higher than the median 'Anxiety' score. KOLs emphasize 'Optimism' and benefits over 'Pessimism' and challenges. The study emphasizes the important role KOLs play in shaping future visions through anticipatory discourse and emotional tone during times of technological uncertainty.
• Abstract（参考訳）: 世界中の人々は現在、不確実性の強力な源として働く多くの技術的課題に直面しています。 テクノロジー(例えばAI)のボラティリティと予測不可能に起因する不確実性とその潜在的な影響は、ソーシャルメディアで広く議論されている。 この研究は、BERTopicのモデリングと、2021年から2023年までの150万ツイートの感情と感情の分析を用いて、予想されるテクノロジー駆動の未来を特定し、400人の主要な世論指導者(KOL)がコミュニケーションする感情を捉える。 肯定的な感情は、肯定的な予感が支配的であり、否定的な感情よりも有意に優れていた。 特に「ホップ」スコアは中央値の「不安」スコアよりも約10.33\%高い。 KOLは「楽観主義」と「悲観主義」と課題よりも利点を強調している。 この研究は、KOLが将来のビジョンを形成する上で重要な役割を予見的談話と、技術的不確実性の時代における感情的トーンを通じて強調する。

関連論文リスト

• MEMO-Bench: A Multiple Benchmark for Text-to-Image and Multimodal Large Language Models on Human Emotion Analysis [53.012111671763776]
  そこで本研究では、7,145枚の肖像画からなる総合的なベンチマークであるMEMO-Benchを紹介した。 以上の結果から,既存のT2Iモデルは負のモデルよりも肯定的な感情を生成するのに効果的であることが示唆された。 MLLMは人間の感情の識別と認識に一定の効果を示すが、人間のレベルの正確さには欠ける。
  論文  参考訳（メタデータ） (2024-11-18T02:09:48Z)
• Journalists, Emotions, and the Introduction of Generative AI Chatbots: A Large-Scale Analysis of Tweets Before and After the Launch of ChatGPT [0.0]
  本研究では、ジャーナリストのChatGPT発売時の感情反応について検討した。 米国の大手ニュースメディアのジャーナリストのツイート100万件近くを分析して、感情のトーンと感情の変化を追跡した。 私たちは、肯定的な感情の増加と、ローンチ後のより好ましいトーンを発見し、AIの可能性に対する最初の楽観性を示唆した。
  論文  参考訳（メタデータ） (2024-09-13T12:09:20Z)
• Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
  今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。 10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。 AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
  論文  参考訳（メタデータ） (2024-04-06T22:18:31Z)
• Inevitable-Metaverse: A Novel Twitter Dataset for Public Sentiments on Metaverse [2.867517731896504]
  本研究は,ソーシャルメディア上でのメタバースに関する世論の感情を調査することを目的とする。 86565件のメタバース関連ツイートが辞書ベースの感情分析に使用された。 BERTトランスモデルは、92.6%の精度と0.91のF測定値で感情カテゴリーを予測するのに最適であることが示されている。
  論文  参考訳（メタデータ） (2024-03-02T05:15:38Z)
• Socratis: Are large multimodal models emotionally aware? [63.912414283486555]
  既存の感情予測ベンチマークでは、様々な理由で画像やテキストが人間にもたらす感情の多様性を考慮していない。 社会反応ベンチマークであるソクラティス (Socratis) を提案し, それぞれのイメージ・キャプション(IC) ペアに複数の感情とそれらを感じる理由をアノテートする。 我々は、ICペアが与えられた感情を感じる理由を生成するために、最先端のマルチモーダルな大規模言語モデルの能力をベンチマークする。
  論文  参考訳（メタデータ） (2023-08-31T13:59:35Z)
• Mapping ChatGPT in Mainstream Media to Unravel Jobs and Diversity Challenges: Early Quantitative Insights through Sentiment Analysis and Word Frequency Analysis [0.0]
  本稿では,テキストマイニングとNLPによる初期傾向と感情の定量的分析を行う。 感情分析の結果,ChatGPTと人工知能は主流メディアでは否定的よりも肯定的であった。 この記事では、主流メディアからの多様性と仕事上の課題のヘヘモニックな排除において、Big TechとBig Mediaのパワー構造と共謀について批判的な分析を行う。
  論文  参考訳（メタデータ） (2023-05-25T15:10:51Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• BERT-Deep CNN: State-of-the-Art for Sentiment Analysis of COVID-19 Tweets [0.7850663096185592]
  新型コロナウイルスのパンデミックは、ソーシャルメディアプラットフォーム上で議論されている出来事の1つだ。 パンデミックの状況では、ソーシャルメディアのテキストを分析して感情的傾向を明らかにすることが非常に有用である。 我々は、最先端のBERTモデルとDeep CNNモデルを用いて、ソーシャルメディアを通じて、新型コロナウイルスのパンデミックに対する社会の認識を研究する。
  論文  参考訳（メタデータ） (2022-11-04T14:35:56Z)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
  我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。 中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。 我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
  論文  参考訳（メタデータ） (2020-05-29T09:24:38Z)

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。