Fugu-MT 論文翻訳(概要): The Toxicity Phenomenon Across Social Media

論文の概要: The Toxicity Phenomenon Across Social Media

arxiv url: http://arxiv.org/abs/2410.21589v1
Date: Mon, 28 Oct 2024 22:47:41 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-30 13:41:10.666799
Title: The Toxicity Phenomenon Across Social Media
Title（参考訳）: ソーシャルメディア全体での毒性現象
Authors: Rhett Hanscom, Tamara Silbergleit Lehman, Qin Lv, Shivakant Mishra,
Abstract要約: ソーシャルメディアプラットフォームは、強力な規制なしで近代化が急速に進んでいる。現在のユーザーが直面している明らかな障害は、毒性である。毒性に関する文献を解説し、毒性の定義を定式化し、インターネット過激主義の新たなサイクルを提案する。
参考スコア（独自算出の注目度）: 1.1990627393863034
License:
Abstract: Social media platforms have evolved rapidly in modernity without strong regulation. One clear obstacle faced by current users is that of toxicity. Toxicity on social media manifests through a number of forms, including harassment, negativity, misinformation or other means of divisiveness. In this paper, we characterize literature surrounding toxicity, formalize a definition of toxicity, propose a novel cycle of internet extremism, list current approaches to toxicity detection, outline future directions to minimize toxicity in future social media endeavors, and identify current gaps in research space. We present a novel perspective of the negative impacts of social media platforms and fill a gap in literature to help improve the future of social media platforms.
Abstract（参考訳）: ソーシャルメディアプラットフォームは、強力な規制なしで近代化が急速に進んでいる。現在のユーザーが直面している明らかな障害は、毒性である。ソーシャルメディアの毒性は、ハラスメント、否定性、誤報、その他の識別の方法など、様々な形で表される。本稿では、毒性を取り巻く文献を特徴付け、毒性の定義を定式化し、インターネット過激主義の新たなサイクルを提案し、毒性検出への現在のアプローチをリストアップし、将来のソーシャルメディアにおける毒性の最小化に向けた今後の方向性を概説し、研究空間における現在のギャップを識別する。ソーシャルメディアプラットフォームにおけるネガティブな影響の新たな視点を示し、ソーシャルメディアプラットフォームの将来性を改善するために文学のギャップを埋める。

関連論文リスト

Community Shaping in the Digital Age: A Temporal Fusion Framework for Analyzing Discourse Fragmentation in Online Social Networks [45.58331196717468]
本研究では,ソーシャルメディアプラットフォームにおけるオンラインコミュニティの動態を解析するための枠組みを提案する。テキスト分類と動的ソーシャルネットワーク分析を組み合わせることで,コミュニティの形成と進化を促進するメカニズムを明らかにする。
論文参考訳（メタデータ） (2024-09-18T03:03:02Z)
Characterizing Online Toxicity During the 2022 Mpox Outbreak: A Computational Analysis of Topical and Network Dynamics [0.9831489366502301]
2022年のムポックスの流行は、当初は「モンキーポックス」と呼ばれていたが、その後、関連するスティグマや社会的懸念を緩和するために改名された。我々は660万以上のユニークツイートを収集し、コンテキスト、範囲、コンテンツ、話者、意図といった5つの次元から分析しました。我々は、Twitter上での有害なオンライン談話(46.6%)、病気(46.6%)、健康政策と医療(19.3%)、ホモフォビア(23.9%)、政治など、高レベルのトピックを5つ特定した。有毒なコンテンツのリツイートが広まっていたのに対して、影響力のあるユーザはリツイートを通じてこの有毒な行為に関わったり、反対したりすることはめったにない。
論文参考訳（メタデータ） (2024-08-21T19:31:01Z)
ToxicChat: Unveiling Hidden Challenges of Toxicity Detection in Real-World User-AI Conversation [43.356758428820626]
ToxicChatは、オープンソースのチャットボットからの実際のユーザクエリに基づく、新しいベンチマークである。既存の毒性データセットに基づいてトレーニングされたモデルの体系的評価は、ToxicChatのこのユニークなドメインに適用した場合の欠点を示している。将来的には、ToxicChatは、ユーザとAIインタラクションのための安全で健全な環境を構築するためのさらなる進歩を促進する上で、貴重なリソースになり得る。
論文参考訳（メタデータ） (2023-10-26T13:35:41Z)
Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文参考訳（メタデータ） (2023-10-20T06:17:02Z)
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)
Annotators with Attitudes: How Annotator Beliefs And Identities Bias Toxic Language Detection [75.54119209776894]
本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
論文参考訳（メタデータ） (2021-11-15T18:58:20Z)
News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文参考訳（メタデータ） (2021-06-07T19:26:32Z)
Analysis of Online Toxicity Detection Using Machine Learning Approaches [6.548580592686076]
ソーシャルメディアやインターネットは、人々が情報の拡散や消費に欠かせない役割を担っている。人口の半数近くがソーシャルメディアを使って意見や意見を表明している。オンラインヘイトスピーチは、今やソーシャルメディアの欠点の1つであり、コントロールする必要がある。
論文参考訳（メタデータ） (2021-04-23T04:29:13Z)
Analysing Social Media Network Data with R: Semi-Automated Screening of Users, Comments and Communication Patterns [0.0]
ソーシャルメディアプラットフォーム上でのコミュニケーションは、社会に広まりつつある。フェイクニュース、ヘイトスピーチ、急進的要素は、この現代的なコミュニケーションの一部です。これらのメカニズムとコミュニケーションパターンの基本的な理解は、負のコミュニケーション形態に対抗するのに役立つ。
論文参考訳（メタデータ） (2020-11-26T14:52:01Z)
Exposure to Social Engagement Metrics Increases Vulnerability to Misinformation [12.737240668157424]
ソーシャルエンゲージメント(ソーシャルエンゲージメント)への露出は、ユーザの誤情報に対する脆弱性を増大させる。誤報の拡散を減らすため、われわれはソーシャルエンゲージメント指標の表示を再考するよう技術プラットフォームに求めている。
論文参考訳（メタデータ） (2020-05-10T14:55:50Z)
Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。