論文の概要: Multilingualism, Transnationality, and K-pop in the Online #StopAsianHate Movement
- arxiv url: http://arxiv.org/abs/2503.02707v1
- Date: Tue, 04 Mar 2025 15:21:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:26:08.324659
- Title: Multilingualism, Transnationality, and K-pop in the Online #StopAsianHate Movement
- Title（参考訳）: オンライン#StopAsianHate運動における多言語主義、超国家主義、Kポップ
- Authors: Tessa Masis, Zhangqi Duan, Weiai Wayne Xu, Ethan Zuckerman, Jane Yeahin Pyo, Brendan O'Connor,
- Abstract要約: 我々は、世界中の2200万人のユーザーから650万の「#StopAsianHate」ツイートを分析し、60の異なる言語にまたがる。
英語ツイートのスパイクは米国の暴力犯罪によって引き起こされるが、非英語ツイートのスパイクは、アジア諸国の象徴的な代表者に対する反アジア感情の国際的インシデントによって引き起こされる。
- 参考スコア（独自算出の注目度）: 2.469628862140415
- License:
- Abstract: The #StopAsianHate (SAH) movement is a broad social movement against violence targeting Asians and Asian Americans, beginning in 2021 in response to racial discrimination related to COVID-19 and sparking worldwide conversation about anti-Asian hate. However, research on the online SAH movement has focused on English-speaking participants so the spread of the movement outside of the United States is largely unknown. In addition, there have been no long-term studies of SAH so the extent to which it has been successfully sustained over time is not well understood. We present an analysis of 6.5 million "#StopAsianHate" tweets from 2.2 million users all over the globe and spanning 60 different languages, constituting the first study of the non-English and transnational component of the online SAH movement. Using a combination of topic modeling, user modeling, and hand annotation, we identify and characterize the dominant discussions and users participating in the movement and draw comparisons of English versus non-English topics and users. We discover clear differences in events driving topics, where spikes in English tweets are driven by violent crimes in the US but spikes in non-English tweets are driven by transnational incidents of anti-Asian sentiment towards symbolic representatives of Asian nations. We also find that global K-pop fans were quick to adopt the SAH movement and, in fact, sustained it for longer than any other user group. Our work contributes to understanding the transnationality and evolution of the SAH movement, and more generally to exploring upward scale shift and public attention in large-scale multilingual online activism.
- Abstract（参考訳）: StopAsian Hate (SAH) 運動は、2021年に始まった、新型コロナウイルスに関する人種差別と反アジア的憎悪に関する世界的な議論に呼応して、アジア人とアジア系アメリカ人を標的とする暴力に対する幅広い社会運動である。
しかし、オンラインSAH運動の研究は英語話者に焦点が当てられているため、アメリカ国外での運動の広がりはほとんど分かっていない。
さらに,SAHの長期的研究は行われておらず,その持続性についてはよく分かっていない。
我々は、世界中の220万人のユーザーと60の言語にまたがる650万の「#StopAsianHate」のツイートを分析し、オンラインSAHムーブメントの非英語および国際的コンポーネントに関する最初の研究である。
トピックモデリング,ユーザモデリング,手書きアノテーションの組み合わせを用いて,本運動に参加したユーザと,英語と非英語のトピックとユーザの比較を識別し,特徴付ける。
英語ツイートのスパイクは米国の暴力犯罪によって引き起こされるが、非英語ツイートのスパイクは、アジア諸国の象徴的な代表者に対する反アジア感情の国際的インシデントによって引き起こされる。
また、グローバルなK-popファンはすぐにSAH運動を採用し、実際、他のどのユーザーグループよりも長くそれを維持できた。
我々の研究は、SAH運動の国際化と進化の理解に寄与し、より一般的には、大規模多言語オンラインアクティビズムにおける上向きのスケールシフトと大衆の関心を探究に寄与する。
関連論文リスト
- SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。
各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。
われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
論文 参考訳（メタデータ） (2024-10-24T03:03:54Z) - A Community-Centric Perspective for Characterizing and Detecting Anti-Asian Violence-Provoking Speech [31.98433210638392]
暴力を誘発する演説は、パンデミック中の反アジア犯罪の急増に寄与した。
我々は、反アジア暴力を誘発する音声を特徴付けるコードブックを開発し、コミュニティソースのデータセットを収集する。
暴力を誘発する音声の正確かつ確実な検出が課題であることを示す。
論文 参考訳（メタデータ） (2024-07-21T17:27:17Z) - What are People Talking about in #BlackLivesMatter and #StopAsianHate?
Exploring and Categorizing Twitter Topics Emerging in Online Social Movements
through the Latent Dirichlet Allocation Model [27.53788299995914]
Black Lives Matter(BLM)とStop Asian Hate(SAH)は、Twitter上で拡散した2つのソーシャルムーブメントである。
本研究では、BLMとSAHのトピックを包括的に分析するために、混合メソッドアプローチを採用する。
われわれは#blacklivesmatterと#stopasianhateハッシュタグで100万以上のツイートを収集し、それらのトピックを比較した。
論文 参考訳（メタデータ） (2022-05-29T17:29:40Z) - "Stop Asian Hate!" : Refining Detection of Anti-Asian Hate Speech During
the COVID-19 Pandemic [2.5227595609842206]
新型コロナウイルス(COVID-19)のパンデミックは、アジアでのキセノフォビアと偏見の急増を加速させた。
我々は2つの実験的なアプローチを用いてTwitterのツイートのコーパスを作成して注釈付けし、反アジア人虐待とヘイトスピーチを探索する。
論文 参考訳（メタデータ） (2021-12-04T06:55:19Z) - 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) - Predicting Anti-Asian Hateful Users on Twitter during COVID-19 [7.788173128266611]
我々は、新型コロナウイルスの感染拡大に伴う反アジア的ヘイトメッセージの投稿を始めたソーシャルメディアユーザーを特徴付けるために自然言語処理技術を適用した。
後日、誰が反アジアスラーを公に投稿したかを予測することは可能である。
論文 参考訳（メタデータ） (2021-09-15T13:49:37Z) - 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) - Analyzing COVID-19 on Online Social Media: Trends, Sentiments and
Emotions [44.92240076313168]
我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。
中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。
我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
論文 参考訳（メタデータ） (2020-05-29T09:24:38Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳（メタデータ） (2020-05-25T21:58:09Z) - Detecting East Asian Prejudice on Social Media [10.647940201343575]
本稿は,Twitterのソーシャルメディア投稿を,東アジアに対する敵意,東アジア批判,東アジア偏見のメタ・ディカッション,中立の4つのクラスに分類し分類する分類器の作成について報告する。
論文 参考訳（メタデータ） (2020-05-08T08:53:47Z) - A Framework for the Computational Linguistic Analysis of Dehumanization [52.735780962665814]
我々は1986年から2015年にかけてニューヨーク・タイムズでLGBTQの人々に関する議論を分析した。
LGBTQの人々の人為的な記述は、時間とともにますます増えています。
大規模に非人間化言語を分析する能力は、メディアバイアスを自動的に検出し、理解するだけでなく、オンラインで乱用する言語にも影響を及ぼす。
論文 参考訳（メタデータ） (2020-03-06T03:02:12Z)
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。