Fugu-MT 論文翻訳(概要): A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models

論文の概要: A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models

arxiv url: http://arxiv.org/abs/2408.16942v1
Date: Thu, 29 Aug 2024 23:39:11 GMT
ステータス: 処理完了
システム内更新日: 2024-09-02 16:49:05.163113
Title: A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models
Title（参考訳）: 大規模言語モデルを用いたCOVID-19中におけるサイノフォビアの経時的感情分析
Authors: Chen Wang, Rohitash Chandra,
Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックにより、キセノフォビア、特にシナフォビアが悪化し、中国系個人に対する差別が広まりつつある。新型コロナウイルスのパンデミック時にX(Twitter)で表現されたSinophobic sentimentsの縦断的感情分析にLLMを用いた感情分析フレームワークを提案する。その結果, SinophobicTweets, Sinophobic sentiments, surges in COVID-19 case, it is a significant correlation between the spikes in Sinophobic tweetss, Sinophobic sentiments and surges in COVID-19 case, showed that the evolution of the spread of public sentiment and the prevalence of Sinophobic discourse。
参考スコア（独自算出の注目度）: 3.3741245091336083
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The COVID-19 pandemic has exacerbated xenophobia, particularly Sinophobia, leading to widespread discrimination against individuals of Chinese descent. Large language models (LLMs) are pre-trained deep learning models used for natural language processing (NLP) tasks. The ability of LLMs to understand and generate human-like text makes them particularly useful for analysing social media data to detect and evaluate sentiments. We present a sentiment analysis framework utilising LLMs for longitudinal sentiment analysis of the Sinophobic sentiments expressed in X (Twitter) during the COVID-19 pandemic. The results show a significant correlation between the spikes in Sinophobic tweets, Sinophobic sentiments and surges in COVID-19 cases, revealing that the evolution of the pandemic influenced public sentiment and the prevalence of Sinophobic discourse. Furthermore, the sentiment analysis revealed a predominant presence of negative sentiments, such as annoyance and denial, which underscores the impact of political narratives and misinformation shaping public opinion. The lack of empathetic sentiment which was present in previous studies related to COVID-19 highlights the way the political narratives in media viewed the pandemic and how it blamed the Chinese community. Our study highlights the importance of transparent communication in mitigating xenophobic sentiments during global crises.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックにより、キセノフォビア、特にシナフォビアが悪化し、中国系個人に対する差別が広まりつつある。 LLM(Large Language Model)は、自然言語処理(NLP)タスクに使用されるディープラーニングモデルである。 LLMが人間のようなテキストを理解して生成する能力は、ソーシャルメディアデータを分析して感情を検出し評価するのに特に有用である。新型コロナウイルスのパンデミック時にX(Twitter)で表現されたSinophobic sentimentsの縦断的感情分析にLLMを用いた感情分析フレームワークを提案する。その結果, SinophobicTweets, Sinophobic sentiments, surges in COVID-19 case, it is a significant correlation between the spikes in Sinophobic tweetss, Sinophobic sentiments and surges in COVID-19 case, showed that the evolution of the spread of public sentiment and the prevalence of Sinophobic discourse。さらに、感情分析は、政治的物語や、世論を形作る誤情報の影響を浮き彫りにする、不快感や否定などの否定的な感情の主観的存在を明らかにした。新型コロナウイルスに関する過去の研究で見られた共感的感情の欠如は、メディアの政治的物語がパンデミックをどう見ているか、そしてそれがいかに中国社会を非難したかを浮き彫りにした。本研究は,世界的危機における異所性感情の緩和における透過的コミュニケーションの重要性を強調した。

関連論文リスト

Large language models for sentiment analysis of newspaper articles during COVID-19: The Guardian [0.16777183511743468]
この研究は、新型コロナウイルスのさまざまな段階におけるガーディアン紙の感情分析を提供する。パンデミックの初期段階では、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移した。結果は、パンデミックの初期段階において、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移したことを示している。
論文参考訳（メタデータ） (2024-05-20T07:10:52Z)
A Comparative Analysis of the COVID-19 Infodemic in English and Chinese: Insights from Social Media Textual Data [2.641576480886427]
新型コロナウイルス(COVID-19)のインフォデミック(インフォデミック)は、パンデミックに関連する誤報や未確認の主張が急速に広まるのを特徴としている。本稿では、ソーシャルメディアプラットフォームから抽出したテキストデータを用いて、英語と中国語におけるCOVID-19インフォデミックの比較分析を行った。
論文参考訳（メタデータ） (2023-11-14T08:55:11Z)
Inducing anxiety in large language models can induce bias [47.85323153767388]
我々は、確立された12の大規模言語モデル(LLM)に焦点を当て、精神医学でよく用いられる質問紙に答える。以上の結果から,最新のLSMの6つが不安アンケートに強く反応し,人間に匹敵する不安スコアが得られた。不安誘発は、LSMのスコアが不安アンケートに影響を及ぼすだけでなく、人種差別や老化などの偏見を測る以前に確立されたベンチマークにおいて、それらの行動に影響を及ぼす。
論文参考訳（メタデータ） (2023-04-21T16:29:43Z)
Coronavirus statistics causes emotional bias: a social media text mining perspective [4.042350304426975]
本稿では,パンデミックに関連するテキストを場所ラベル付きテキストデータから分類する深層学習モデルを提案する。次に,マルチタスク学習に基づく感情分析を行う。最後に、感情分析の出力を伴う固定効果パネル回帰を実行する。
論文参考訳（メタデータ） (2022-11-16T03:36:13Z)
Perception Point: Identifying Critical Learning Periods in Speech for Bilingual Networks [58.24134321728942]
ディープニューラルベース視覚唇読解モデルにおける認知的側面を比較し,識別する。我々は、認知心理学におけるこれらの理論と独自のモデリングの間に強い相関関係を観察する。
論文参考訳（メタデータ） (2021-10-13T05:30:50Z)
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)
COVID-19 sentiment analysis via deep learning during the rise of novel cases [0.5156484100374059]
我々はtwitter上で感情分析を行うために,long short-term memory(lstm)リカレントニューラルネットワークを用いたディープラーニング言語モデルを用いた。我々は、ほとんどのツイートは、インドのCOVID-19事件の台頭中に高いレベルの楽観主義で肯定的であることが判明しました。楽観的で冗談を言うツイートは、主に月間ツイートを支配しており、ネガティブな感情が表される回数はずっと少なかった。
論文参考訳（メタデータ） (2021-04-05T04:31:19Z)
Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
国像は国際関係と経済発展に大きな影響を与えている。新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
論文参考訳（メタデータ） (2020-09-12T15:54:51Z)
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)
#Coronavirus or #Chinesevirus?!: Understanding the negative sentiment reflected in Tweets with racist hashtags across the development of COVID-19 [1.0878040851638]
人種差別的なハッシュタグでマークされたツイートに反映される否定的な感情の分析に焦点を当てた。我々は、新型コロナウイルスの3つの発達段階とともに、ネガティブな感情がどのように変化するかを把握するためのステージベースのアプローチを提案する。
論文参考訳（メタデータ） (2020-05-17T11:15:50Z)
A Framework for the Computational Linguistic Analysis of Dehumanization [52.735780962665814]
我々は1986年から2015年にかけてニューヨーク・タイムズでLGBTQの人々に関する議論を分析した。 LGBTQの人々の人為的な記述は、時間とともにますます増えています。大規模に非人間化言語を分析する能力は、メディアバイアスを自動的に検出し、理解するだけでなく、オンラインで乱用する言語にも影響を及ぼす。
論文参考訳（メタデータ） (2020-03-06T03:02:12Z)

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。