論文の概要: Encountering Friction, Understanding Crises: How Do Digital Natives Make Sense of Crisis Maps?

• arxiv url: http://arxiv.org/abs/2503.02637v1
• Date: Tue, 04 Mar 2025 14:01:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:19:26.341076
• Title: Encountering Friction, Understanding Crises: How Do Digital Natives Make Sense of Crisis Maps?
• Title（参考訳）: デジタルネイティブはどのように危機マップを理解するのか?
• Authors: Laura Koesten, Antonia Saske, Sandra Starchenko, Kathleen Gregory,
• Abstract要約: 本研究では、危機地図と対話する若いデジタルネイティブ視聴者のセンスメイキングについて検討する。 これらのクラスタに接続された摩擦点を識別する。カラー概念との闘い、コンテキストの欠如への応答、個人的なつながりの欠如、不信などである。
• 参考スコア（独自算出の注目度）: 0.7130302992490972
• License:
• Abstract: Crisis maps are regarded as crucial tools in crisis communication, as demonstrated during the COVID-19 pandemic and climate change crises. However, there is limited understanding of how public audiences engage with these maps and extract essential information. Our study investigates the sensemaking of young, digitally native viewers as they interact with crisis maps. We integrate frameworks from the learning sciences and human-data interaction to explore sensemaking through two empirical studies: a thematic analysis of online comments from a New York Times series on graph comprehension, and interviews with 18 participants from German-speaking regions. Our analysis categorizes sensemaking activities into established clusters: inspecting, engaging with content, and placing, and introduces responding personally to capture the affective dimension. We identify friction points connected to these clusters, including struggles with color concepts, responses to missing context, lack of personal connection, and distrust, offering insights for improving crisis communication to public audiences.
• Abstract（参考訳）: 危機地図は、新型コロナウイルス(COVID-19)のパンデミックや気候変動の危機で示されたように、危機コミュニケーションにおいて重要なツールとみなされている。 しかし、一般の聴衆がこれらの地図とどのように関わり、重要な情報を抽出するかについては、理解が限られている。 本研究では、危機地図と対話する若いデジタルネイティブ視聴者のセンスメイキングについて検討した。 我々は、学習科学と人間-データ相互作用のフレームワークを統合し、2つの経験的研究を通してセンスメイキングを探求する: グラフ理解に関するNew York Timesシリーズのオンラインコメントのテーマ分析と、ドイツ語圏の18人の参加者へのインタビューである。 本分析では,センスメイキングの活動を,コンテンツの調査,エンゲージメント,配置といった確立したクラスタに分類し,感情的次元を捉えるために個人的対応を導入する。 我々は、これらのクラスタに接続された摩擦点を識別し、色の概念との闘い、コンテキストの欠如、個人的なつながりの欠如、不信感など、公衆の聴衆に危機コミュニケーションを改善するための洞察を提供する。

関連論文リスト

• From Public Square to Echo Chamber: The Fragmentation of Online Discourse [0.1227734309612871]
  この研究は、デジタルプラットフォームが性差別、人種差別、キセノフォビア、能力主義、ホモフォビア、宗教的不寛容を含む差別的言論をいかに増幅するかを探求している。 この結果は、ソーシャルメディア構造が分極、グループ間の対話、そして単に社会に不可欠な集団的理由の解明をいかに悪化させるかを明らかにする。
  論文  参考訳（メタデータ） (2025-01-30T15:53:58Z)
• Using LLMs to Infer Non-Binary COVID-19 Sentiments of Chinese Micro-bloggers [0.0]
  中国で最も人気のあるマイクロブログサイトであるWeiboについて、新型コロナウイルス(COVID-19)の感染拡大に伴う投稿を用いて調査する。 大規模言語モデルであるLlama 3 8Bを使用して,肯定的,否定的,皮肉的,中立的なカテゴリに分類することで,プラットフォーム上のユーザの感情を分析する。
  論文  参考訳（メタデータ） (2025-01-09T18:30:14Z)
• Discovering Latent Themes in Social Media Messaging: A Machine-in-the-Loop Approach Integrating LLMs [22.976609127865732]
  ソーシャルメディアメッセージングにおける潜在テーマを明らかにするための新しいアプローチを提案する。 私たちの仕事は、ソーシャルメディアのダイナミックな性質に光を当て、現実の出来事に対するメッセージのテーマ的焦点の変化を明らかにします。
  論文  参考訳（メタデータ） (2024-03-15T21:54:00Z)
• CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
  既存のアプローチは、苦痛の感情の原因を無視します。 彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。 本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
  論文  参考訳（メタデータ） (2024-01-31T11:30:24Z)
• 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)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• 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)
• Fragments of the Past: Curating Peer Support with Perpetrators of Domestic Violence [88.37416552778178]
  我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。 私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。 これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
  論文  参考訳（メタデータ） (2021-07-09T22:57:43Z)
• Onfocus Detection: Identifying Individual-Camera Eye Contact from Unconstrained Images [81.64699115587167]
  Onfocus Detectionは、カメラが捉えた個人の焦点がカメラにあるかどうかを特定することを目的としている。 OnFocus Detection In the Wild (OFDIW) と呼ばれる大規模なオンフォーカス検出データセットを構築しました。 本研究では,視線干渉推論ネットワーク (ECIIN) を用いた眼球深度検出モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-29T03:29:09Z)
• Bridging the gap between supervised classification and unsupervised topic modelling for social-media assisted crisis management [0.5249805590164902]
  Twitterなどのソーシャルメディアは、自然災害時に危機管理者や被災者に貴重な情報を提供します。 機械学習は、危機時に共有される大量のメッセージから情報を構造化および抽出するのに役立ちます。 bertembedsが危機関連ツイートの分類を微調整することで,新たな危機に効果的に対応できることを示す。
  論文  参考訳（メタデータ） (2021-03-22T13:30:39Z)
• COSMIC: COmmonSense knowledge for eMotion Identification in Conversations [95.71018134363976]
  我々は,心的状態,出来事,因果関係など,常識の異なる要素を取り入れた新しい枠組みであるCOSMICを提案する。 我々は,COSMICが4つのベンチマークの会話データセット上で,感情認識のための最新の結果を実現することを示す。
  論文  参考訳（メタデータ） (2020-10-06T15:09:38Z)

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。