論文の概要: Measuring and Forecasting Conversation Incivility: the Role of Antisocial and Prosocial Behaviors
- arxiv url: http://arxiv.org/abs/2412.02911v2
- Date: Thu, 05 Dec 2024 20:19:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 12:36:36.056779
- Title: Measuring and Forecasting Conversation Incivility: the Role of Antisocial and Prosocial Behaviors
- Title（参考訳）: 会話能力の測定と予測:反社会的・社会的行動の役割
- Authors: Xinchen Yu, Hayden Arnold, Benjamin Su, Eduardo Blanco,
- Abstract要約: 本研究では,ヘイトスピーチに対する回答に続いて,会話の非現実性を測定するための新しい指標を提案する。
ヘイトスピーチに対する回答の後に会話の非現実性レベルを予測することは難しい課題であることを示す。
- 参考スコア（独自算出の注目度）: 8.996988253757095
- License:
- Abstract: This paper focuses on the task of measuring and forecasting incivility in conversations following replies to hate speech. Identifying replies that steer conversations away from hatred and elicit civil follow-up conversations sheds light into effective strategies to engage with hate speech and proactively avoid further escalation. We propose new metrics that take into account various dimensions of antisocial and prosocial behaviors to measure the conversation incivility following replies to hate speech. Our best metric aligns with human perceptions better than prior work. Additionally, we present analyses on a) the language of antisocial and prosocial posts, b) the relationship between antisocial or prosocial posts and user interactions, and c) the language of replies to hate speech that elicit follow-up conversations with different incivility levels. We show that forecasting the incivility level of conversations following a reply to hate speech is a challenging task. We also present qualitative analyses to identify the most common errors made by our best model.
- Abstract（参考訳）: 本稿では,ヘイトスピーチに対する回答にともなう会話における非現実性の測定と予測の課題に焦点をあてる。
憎しみから離れて市民のフォローアップを誘発する会話が、ヘイトスピーチに関わり、さらにエスカレーションを避ける効果的な戦略に光を当てているという回答を、特定する。
本研究では,ヘイトスピーチに対する回答を反映した会話の非現実性を測定するために,反社会的行動と反社会的行動の様々な側面を考慮した新しい指標を提案する。
私たちの最高の測定基準は、以前の作業よりも人間の知覚と一致します。
また、分析について述べる。
a) 反社会的・社会的ポストの言語
ロ 反社会的ポスト又は社交的ポストとユーザインタラクションの関係
c) ヘイトスピーチに対する回答の言語は、異なる市民レベルでのフォローアップ会話を誘発する。
ヘイトスピーチに対する回答の後に会話の非現実性レベルを予測することは難しい課題であることを示す。
また、最良のモデルによる最も一般的なエラーを特定するための定性的分析も提示する。
関連論文リスト
- Hate Cannot Drive out Hate: Forecasting Conversation Incivility
following Replies to Hate Speech [12.274054522085107]
本研究では,公民権・公民権のコメント数に基づいて,会話の非公民権度を測定する指標を提案する。
言語学的分析により,高次かつ低次かつフォローアップな会話を誘発する応答の言語の違いが明らかになった。
論文 参考訳（メタデータ） (2023-12-08T02:39:17Z) - Analyzing User Characteristics of Hate Speech Spreaders on Social Media [20.57872238271025]
ヘイトスピーチにおけるユーザ特性の役割を分析する。
社会的影響の少ないユーザーは、ヘイトスピーチをシェアする傾向にある。
政治的反トランプと反右派憎悪は、より大きな社会的影響力を持つユーザーによって再創造される。
論文 参考訳（メタデータ） (2023-10-24T12:17:48Z) - 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) - Collective moderation of hate, toxicity, and extremity in online
discussions [1.114199733551736]
われわれはTwitter上で4年間に13万件以上の議論を交わした大規模なコーパスを分析した。
我々は、後続のつぶやきにおけるヘイトスピーチの確率に関係している可能性のある、さまざまな談話の次元を識別する。
事実によって必ずしも支持されない単純な意見を表現することは、その後の議論において最も憎悪に関係している。
論文 参考訳（メタデータ） (2023-03-01T09:35:26Z) - Hate Speech and Counter Speech Detection: Conversational Context Does
Matter [7.333666276087548]
本稿では,オンラインヘイトとカウンタースピーチのアノテーションと検出における会話コンテキストの役割について検討する。
私たちはRedditのコメントに3段階の分類タスク(ヘイトスピーチ、カウンタースピーチ、中立性)のためのコンテキスト対応データセットを作成しました。
論文 参考訳（メタデータ） (2022-06-13T19:05:44Z) - ProsocialDialog: A Prosocial Backbone for Conversational Agents [104.92776607564583]
ProsocialDialogは、対話エージェントに社会規範に従って問題コンテンツに応答するように教える最初の大規模対話データセットである。
ProsocialDialogは、人間とAIのコラボレーションフレームワークで作られ、58Kの対話と331Kの発話、160KのRoT、および497Kの対話安全ラベルで構成されている。
本データセットでは,対話型安全性検出モジュールであるCanaryを導入し,会話コンテキストを指定したRoTを生成するとともに,社会的にインフォームドされた対話エージェントであるProstを導入する。
論文 参考訳（メタデータ） (2022-05-25T11:48:47Z) - "How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken
Conversations [87.95711406978157]
本研究は、音声タスク指向会話における新しいベンチマークを示す。
マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。
我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
論文 参考訳（メタデータ） (2021-09-28T04:51:04Z) - Perspective-taking and Pragmatics for Generating Empathetic Responses
Focused on Emotion Causes [50.569762345799354]
i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。
社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
論文 参考訳（メタデータ） (2021-09-18T04:22:49Z) - Who Responded to Whom: The Joint Effects of Latent Topics and Discourse
in Conversation Structure [53.77234444565652]
会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。
単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。
英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2021-04-17T17:46:00Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳（メタデータ） (2020-12-29T08:22:48Z) - Impact and dynamics of hate and counter speech online [0.0]
市民によるカウンタースピーチは、ヘイトスピーチと戦い、平和的で非分極的な言論を促進するための有望な方法だ。
われわれはドイツのTwitterで4年間に起きた180,000件の政治的会話を分析した。
論文 参考訳（メタデータ） (2020-09-16T01:43:28Z)
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。