論文の概要: CounterQuill: Investigating the Potential of Human-AI Collaboration in Online Counterspeech Writing
- arxiv url: http://arxiv.org/abs/2410.03032v3
- Date: Fri, 16 May 2025 23:49:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:10.251618
- Title: CounterQuill: Investigating the Potential of Human-AI Collaboration in Online Counterspeech Writing
- Title（参考訳）: CounterQuill:オンライン対音声書記における人間とAIの連携の可能性を探る
- Authors: Xiaohan Ding, Kaike Ping, Uma Sushmitha Gunturi, Buse Carik, Sophia Stil, Lance T Wilhelm, Taufiq Daryanto, James Hawdon, Sang Won Lee, Eugenia H Rho,
- Abstract要約: 我々は,人間とAIの協調システムであるCounterQuillを紹介した。
CounterQuillは、計算思考に基づく3段階のワークフローに従う。
我々の発見は、ユーザーがオンラインヘイトスピーチを認識し、反映し、反応する方法について、AIシステムがいかにユーザーを教育できるかを強調している。
- 参考スコア（独自算出の注目度）: 6.929003593008481
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online hate speech has become increasingly prevalent on social media, causing harm to individuals and society. While automated content moderation has received considerable attention, user-driven counterspeech remains a less explored yet promising approach. However, many people face difficulties in crafting effective responses. We introduce CounterQuill, a human-AI collaborative system that helps everyday users with writing empathetic counterspeech, not by generating automatic replies, but by educating them through reflection and response. CounterQuill follows a three-stage workflow grounded in computational thinking: (1) a learning session to build understanding of hate speech and counterspeech, (2) a brainstorming session to identify harmful patterns and ideate counterspeech ideas, and (3) a co-writing session that helps users refine their counter responses while preserving personal voice. Through a user study \r{ho}(N=20), we found that CounterQuill helped participants develop the skills to brainstorm and draft counterspeech with increased confidence and control throughout the process. Our findings highlight how AI systems can scaffold complex communication tasks through structured, human-centered workflows that educate users on how to recognize, reflect on, and respond to online hate speech.
- Abstract（参考訳）: オンラインヘイトスピーチはソーシャルメディア上でますます広まり、個人や社会に害を与えている。
自動コンテンツモデレーションは注目されているが、ユーザ主導のカウンター音声は、まだ検討されていないが有望なアプローチである。
しかし、多くの人は効果的な反応を作るのに困難に直面している。
我々は,人間とAIの協調システムであるCounterQuillを紹介した。
CounterQuillは,(1)ヘイトスピーチとカウンター音声の理解を構築するための学習セッション,(2)有害なパターンを識別し,カウンター音声のアイデアを思い浮かべるブレインストーミングセッション,(3)個人音声を保存しながらカウンター応答を洗練させる共同執筆セッション,という3段階のワークフローに従う。
ユーザスタディ \r{ho}(N=20) を通じて,CounterQuill が参加者のブレインストーミングのスキル開発を支援し,そのプロセスを通じて信頼とコントロールを高めた。
我々の発見は、AIシステムが構造化された人間中心のワークフローを通じて複雑なコミュニケーションタスクを足場として、オンラインヘイトスピーチの認識、反映、応答の仕方をユーザーに教える方法について強調した。
関連論文リスト
- Generative AI may backfire for counterspeech [20.57872238271025]
我々は、最先端AIが生み出す文脈化された逆音声が、オンラインヘイトスピーチを抑制するのに有効であるかどうかを分析する。
その結果,非コンテクスチュアライズされた対応音声は,オンラインヘイトスピーチを著しく減少させることがわかった。
しかし、LLMsによって生成される文脈化された反音声は効果が無く、バックファイアさえも生じうる。
論文 参考訳（メタデータ） (2024-11-22T14:47:00Z) - Rescuing Counterspeech: A Bridging-Based Approach to Combating Misinformation [0.0]
我々は、ブリジングベースのランキングは、反音声の戦闘誤報を支援するための有望なアプローチであると主張している。
同意する傾向にあるユーザと、偽情報に同意しない傾向にあるユーザの両方に好まれる反響を識別することにより、ブリッジングは、誤報を信じる可能性が最も高いユーザを説得する反響を促進する。
論文 参考訳（メタデータ） (2024-10-16T16:02:39Z) - Moshi: a speech-text foundation model for real-time dialogue [78.88479749811376]
現在の音声対話システムは、パイプラインの独立した音声活動検出と音声合成に依存している。
そこで本研究では,Moshi Moshiが音声認識と音声合成を実現する方法を紹介する。
得られたモデルは、初めてリアルタイムな全音声大言語モデルモダリティである。
論文 参考訳（メタデータ） (2024-09-17T17:55:39Z) - Behind the Counter: Exploring the Motivations and Barriers of Online Counterspeech Writing [6.790819952175892]
オンラインヘイトを標的にしていたことは、オンラインの反響行為を頻繁に起こす重要な要因だ。
人々は、異なる人口集団でオンラインのカウンタースピーチに参加するためのモチベーションと障壁が異なる。
論文 参考訳（メタデータ） (2024-03-25T18:56:35Z) - DisCGen: A Framework for Discourse-Informed Counterspeech Generation [34.75404551612012]
本稿では,言論理論に基づく枠組みを提案し,反声と憎しみのあるコメントを結びつける推論リンクについて検討する。
本稿では,Reddit から現在地にある反音声のデータセットを収集するプロセスを提案する。
提案するデータセットとフレームワークを用いて,大規模言語モデルを用いて,談話理論に基づいて文脈的に接地した対音声を生成することができることを示す。
論文 参考訳（メタデータ） (2023-11-29T23:20:17Z) - Understanding Counterspeech for Online Harm Mitigation [12.104301755723542]
Counterspeechは、憎悪の犯人に挑戦し、虐待の標的への支援を示すことによって、憎悪の言葉に対する直接の反論を提供する。
コンテンツモデレーションやデプラットフォームといった、より論争的な手段に代わる、有望な代替手段を提供する。
本稿では,社会科学における反音声研究を体系的にレビューし,自動対音声生成における方法論と知見をコンピュータ科学の取り組みと比較する。
論文 参考訳（メタデータ） (2023-07-01T20:54:01Z) - CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a
Context Synergized Hyperbolic Network [52.85130555886915]
CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。
我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
論文 参考訳（メタデータ） (2023-03-02T17:30:43Z) - Emotion Selectable End-to-End Text-based Speech Editing [63.346825713704625]
Emo-CampNet (Emotion CampNet) は感情選択可能なテキストベースの音声編集モデルである。
テキストベースの音声編集において、生成した音声の感情を効果的に制御することができる。
未知の話者のスピーチを編集することもできる。
論文 参考訳（メタデータ） (2022-12-20T12:02:40Z) - Persua: A Visual Interactive System to Enhance the Persuasiveness of
Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。
オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。
Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文 参考訳（メタデータ） (2022-04-16T08:07:53Z) - Speaker De-identification System using Autoencoders and Adversarial
Training [58.720142291102135]
本稿では,対人訓練とオートエンコーダに基づく話者識別システムを提案する。
実験結果から, 対向学習とオートエンコーダを組み合わせることで, 話者検証システムの誤り率が同等になることがわかった。
論文 参考訳（メタデータ） (2020-11-09T19:22:05Z) - Learning Explicit Prosody Models and Deep Speaker Embeddings for
Atypical Voice Conversion [60.808838088376675]
本稿では,明示的な韻律モデルと深層話者埋め込み学習を用いたVCシステムを提案する。
韻律補正器は音素埋め込みを取り入れ、典型的な音素持続時間とピッチ値を推定する。
変換モデルは、音素埋め込みと典型的な韻律特徴を入力として、変換された音声を生成する。
論文 参考訳（メタデータ） (2020-11-03T13:08:53Z)
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。