論文の概要: Social media polarization during conflict: Insights from an ideological stance dataset on Israel-Palestine Reddit comments

• arxiv url: http://arxiv.org/abs/2502.00414v1
• Date: Sat, 01 Feb 2025 12:26:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:00:34.328859
• Title: Social media polarization during conflict: Insights from an ideological stance dataset on Israel-Palestine Reddit comments
• Title（参考訳）: 紛争中のソーシャルメディアの分極:イスラエルとパレスチナのRedditのコメントに対するイデオロギー的スタンスデータセットからの考察
• Authors: Hasin Jawad Ali, Ajwad Abrar, S. M. Hozaifa Hossain, M. Firoz Mridha,
• Abstract要約: この研究は、2023年10月から2024年8月までに収集されたイスラエルとパレスチナの紛争に関するRedditのコメント9,969件を分析した。 機械学習、事前訓練された言語モデル、ニューラルネットワーク、迅速なエンジニアリング戦略など、さまざまなアプローチが、これらのスタンスを分類するために採用された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In politically sensitive scenarios like wars, social media serves as a platform for polarized discourse and expressions of strong ideological stances. While prior studies have explored ideological stance detection in general contexts, limited attention has been given to conflict-specific settings. This study addresses this gap by analyzing 9,969 Reddit comments related to the Israel-Palestine conflict, collected between October 2023 and August 2024. The comments were categorized into three stance classes: Pro-Israel, Pro-Palestine, and Neutral. Various approaches, including machine learning, pre-trained language models, neural networks, and prompt engineering strategies for open source large language models (LLMs), were employed to classify these stances. Performance was assessed using metrics such as accuracy, precision, recall, and F1-score. Among the tested methods, the Scoring and Reflective Re-read prompt in Mixtral 8x7B demonstrated the highest performance across all metrics. This study provides comparative insights into the effectiveness of different models for detecting ideological stances in highly polarized social media contexts. The dataset used in this research is publicly available for further exploration and validation.
• Abstract（参考訳）: 戦争のような政治的に敏感なシナリオでは、ソーシャルメディアは偏極化された言論と強いイデオロギー的姿勢の表現のプラットフォームとして機能する。 これまでの研究では、一般的な文脈におけるイデオロギー的スタンスの検出が検討されてきたが、コンフリクト固有の設定には限定的な注意が向けられている。 この研究は、2023年10月から2024年8月までに収集されたイスラエルとパレスチナの紛争に関するRedditのコメント9,969件を分析して、このギャップに対処する。 コメントは、親イスラエル、親パレスチナ、中立の3つのスタンスクラスに分類された。 機械学習、事前訓練された言語モデル、ニューラルネットワーク、オープンソースの大規模言語モデル(LLM)の迅速なエンジニアリング戦略など、さまざまなアプローチを使用して、これらのスタンスを分類した。 性能は精度、精度、リコール、F1スコアなどの指標を用いて評価された。 テスト手法のうち、Mixtral 8x7BのScoringとReflexive Re-readプロンプトは、すべてのメトリクスで最高のパフォーマンスを示した。 本研究は,高度に偏極化したソーシャルメディアにおけるイデオロギー的スタンスを検出するために,異なるモデルの有効性について比較した知見を提供する。 この研究で使用されるデータセットは、さらなる探索と検証のために公開されている。

関連論文リスト

• Quantifying Extreme Opinions on Reddit Amidst the 2023 Israeli-Palestinian Conflict [3.2430260063115224]
  本研究では,2023年のイスラエル・パレスチナ紛争におけるソーシャルメディアに対する極端な意見の動態について考察する。 極端意見」を測定するための辞書に基づく教師なし方法論が開発された この分析は、重要な実生活イベントに対応する過激主義のスコアにおいて重要なピークを特定する。
  論文  参考訳（メタデータ） (2024-12-14T17:52:28Z)
• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• High Risk of Political Bias in Black Box Emotion Inference Models [0.0]
  本稿では、社会科学研究における感情分析(SA)に使用される機械学習モデルにおける政治的バイアスの存在について検討する。 ポーランドの感情分析モデルを用いた偏見調査を行った。 以上の結果から, 人間のラテンダーによるアノテーションは, モデルの予測に政治的偏見を伝播させることが示唆された。
  論文  参考訳（メタデータ） (2024-07-18T20:31:07Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• IsamasRed: A Public Dataset Tracking Reddit Discussions on Israel-Hamas Conflict [13.92311040225417]
  我々は2023年8月から2023年11月までの間に、厳密にコンパイルされたデータセットIsamasRedを提示する。 このデータセットに関する最初の分析では、話題、論争、感情的、道徳的な言語傾向を時間とともに調査し、感情的に荷電され、複雑な言論の性質を強調した。 このデータセットは、オンライン議論の理解を深めることを目的としており、デジタル空間におけるイデオロギー、感情、コミュニティエンゲージメントの間の複雑な相互作用に光を当てている。
  論文  参考訳（メタデータ） (2024-01-16T08:30:41Z)
• Modeling Political Orientation of Social Media Posts: An Extended Analysis [0.0]
  オンラインソーシャルメディア上で政治的分極を特徴付ける機械学習モデルを開発することは、大きな課題である。 これらの課題は主に、注釈付きデータの欠如、ソーシャルメディアデータセットにおけるノイズの存在、膨大な量のデータなど、さまざまな要因に起因している。 本稿では、ソーシャルメディア投稿のラベル付けに、メディアバイアスと投稿コンテンツを活用する2つの方法を紹介する。 ソーシャルメディア投稿の政治的指向を予測することで,現在の機械学習モデルの性能向上を実証する。
  論文  参考訳（メタデータ） (2023-11-21T03:34:20Z)
• Fairness meets Cross-Domain Learning: a new perspective on Models and Metrics [80.07271410743806]
  クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。 いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。 本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
  論文  参考訳（メタデータ） (2023-03-25T09:34:05Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• Contextual information integration for stance detection via cross-attention [59.662413798388485]
  スタンス検出は、著者の目標に対する姿勢を特定することを扱う。 既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。 文脈情報をテキストとして統合する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-03T15:04:29Z)
• Sentiment Analysis of Political Tweets for Israel using Machine Learning [0.0]
  本研究では、イスラエルの政治Twitterデータを用いて、パレスチナとイスラエルの対立に対する世論を解釈する分析研究を提案する。 ツイート形式での民族グループと世論指導者の態度を機械学習アルゴリズムを用いて分析する。
  論文  参考訳（メタデータ） (2022-04-12T12:07:43Z)
• NLP-CIC @ DIACR-Ita: POS and Neighbor Based Distributional Models for Lexical Semantic Change in Diachronic Italian Corpora [62.997667081978825]
  本稿では,イタリア語に対する教師なし語彙意味変化のシステムと知見について述べる。 その課題は、対象の単語が時間とともにその意味を進化させたかどうかを判断することであり、それは2つの時間固有のデータセットからの原文のみに依存する。 本研究では,各期間に対象単語を表す2つのモデルを提案し,しきい値と投票方式を用いて変化単語を予測する。
  論文  参考訳（メタデータ） (2020-11-07T11:27:18Z)

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。