論文の概要: Tackling Social Bias against the Poor: A Dataset and Taxonomy on Aporophobia

• arxiv url: http://arxiv.org/abs/2504.13085v1
• Date: Thu, 17 Apr 2025 16:53:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:39:24.690236
• Title: Tackling Social Bias against the Poor: A Dataset and Taxonomy on Aporophobia
• Title（参考訳）: 貧困に対する社会的バイアスの対処--アポロフォビアに関するデータセットと分類
• Authors: Georgina Curto, Svetlana Kiritchenko, Muhammad Hammad Fahim Siddiqui, Isar Nejadgholi, Kathleen C. Fraser,
• Abstract要約: アポロフォビア(Aporophobia)は、貧困に生きる人々に対する社会的偏見であり、貧困緩和政策を設計、承認、実施する上で大きな障害となっている。 この研究は、アポロフォビアの概念を運用し、有害な信念を特定し、追跡し、ソーシャルメディア上で貧しい人々に対する差別的行動を行うための最初のステップを示す。
• 参考スコア（独自算出の注目度）: 12.92000261399319
• License:
• Abstract: Eradicating poverty is the first goal in the United Nations Sustainable Development Goals. However, aporophobia -- the societal bias against people living in poverty -- constitutes a major obstacle to designing, approving and implementing poverty-mitigation policies. This work presents an initial step towards operationalizing the concept of aporophobia to identify and track harmful beliefs and discriminative actions against poor people on social media. In close collaboration with non-profits and governmental organizations, we conduct data collection and exploration. Then we manually annotate a corpus of English tweets from five world regions for the presence of (1) direct expressions of aporophobia, and (2) statements referring to or criticizing aporophobic views or actions of others, to comprehensively characterize the social media discourse related to bias and discrimination against the poor. Based on the annotated data, we devise a taxonomy of categories of aporophobic attitudes and actions expressed through speech on social media. Finally, we train several classifiers and identify the main challenges for automatic detection of aporophobia in social networks. This work paves the way towards identifying, tracking, and mitigating aporophobic views on social media at scale.
• Abstract（参考訳）: 貧困の根絶は国連持続可能な開発目標の最初の目標である。 しかし、貧困に生きる人々に対する社会的偏見であるアポロフォビアは、貧困緩和政策を設計、承認、実施する上で大きな障害となっている。 この研究は、アポロフォビアの概念を運用し、有害な信念を特定し、追跡し、ソーシャルメディア上で貧しい人々に対する差別的行動を行うための最初のステップを示す。 非営利団体や政府機関と緊密に協力し、データ収集と探索を行います。 そこで我々は,(1)アポロフォビアの直接表現の存在,(2)アポロフォビアの見解や他者の行動に言及したり批判したりする言明の5つの世界地域からの英語ツイートのコーパスを手作業で注釈し,偏見や貧困層に対する差別に関連するソーシャルメディアの言説を包括的に特徴づける。 注釈付きデータに基づいて,ソーシャルメディア上での言論によって表現されるアポポポビックな態度と行動のカテゴリーの分類を考案する。 最後に、いくつかの分類器を訓練し、ソーシャルネットワークにおけるアポ恐怖症を自動的に検出する主な課題を特定する。 この研究は、大規模にソーシャルメディア上でのアポロフォビックな見解を特定し、追跡し、緩和するための道を開いた。

関連論文リスト

• A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models [3.3741245091336083]
  新型コロナウイルス(COVID-19)のパンデミックにより、キセノフォビア、特にシナフォビアが悪化し、中国系個人に対する差別が広まりつつある。 新型コロナウイルスのパンデミック時にX(Twitter)で表現されたSinophobic sentimentsの縦断的感情分析にLLMを用いた感情分析フレームワークを提案する。 その結果, SinophobicTweets, Sinophobic sentiments, surges in COVID-19 case, it is a significant correlation between the spikes in Sinophobic tweetss, Sinophobic sentiments and surges in COVID-19 case, showed that the evolution of the spread of public sentiment and the prevalence of Sinophobic discourse。
  論文  参考訳（メタデータ） (2024-08-29T23:39:11Z)
• The Devil is in the Neurons: Interpreting and Mitigating Social Biases in Pre-trained Language Models [78.69526166193236]
  プレトレーニング言語モデル(PLM)は、社会的バイアスのような有害な情報を含むことが認識されている。 我々は,社会バイアスなどの望ましくない行動に起因する言語モデルにおいて,正確に単位(すなわちニューロン)を特定するために,sc Social Bias Neuronsを提案する。 StereoSetの以前の測定値からわかるように、我々のモデルは、低コストで言語モデリング能力を維持しながら、より高い公平性を達成する。
  論文  参考訳（メタデータ） (2024-06-14T15:41:06Z)
• Can Poverty Be Reduced by Acting on Discrimination? An Agent-based Model for Policy Making [6.749750044497731]
  Aporophobia Agent-Based Model (AABM) を提示し、アポロフォビアと貧困の相関性を示す。 我々は政策を貧困層に対する差別的または非差別的と分類する。 AABMの結果を、富の不平等への影響の観点から観察する。
  論文  参考訳（メタデータ） (2024-03-03T19:59:42Z)
• 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)
• Didn't see that coming: a survey on non-verbal social human behavior forecasting [47.99589136455976]
  近年,非言語的社会的行動予測が研究コミュニティの関心を集めている。 人間とロボットの相互作用や社会的に認識された人間のモーション生成への直接的な応用は、非常に魅力的な分野である。 本稿では,複数の対話エージェントに対する行動予測問題を,社会的信号予測と人間の動作予測の分野の統合を目的とした汎用的な方法で定義する。
  論文  参考訳（メタデータ） (2022-03-04T18:25:30Z)
• Beyond a binary of (non)racist tweets: A four-dimensional categorical detection and analysis of racist and xenophobic opinions on Twitter in early Covid-19 [0.0]
  本研究は、人種差別とキセノフォビア検出の4次元カテゴリ、すなわち、スティグマティゼーション、攻撃性、非難、排他性について研究する。 ディープラーニングのテクニックの助けを借りて、この分類的検出は、Twitter上で人種差別やキセノフォビック表現に反映される創発的トピックのニュアンスに関する洞察を可能にする。
  論文  参考訳（メタデータ） (2021-07-18T02:37:31Z)
• Towards Understanding and Mitigating Social Biases in Language Models [107.82654101403264]
  大規模事前訓練言語モデル(LM)は、望ましくない表現バイアスを示すのに潜在的に危険である。 テキスト生成における社会的バイアスを軽減するためのステップを提案する。 我々の経験的結果と人的評価は、重要な文脈情報を保持しながらバイアスを緩和する効果を示す。
  論文  参考訳（メタデータ） (2021-06-24T17:52:43Z)
• Interpretable Multi-Modal Hate Speech Detection [32.36781061930129]
  特定の憎悪表現が作られる社会文化的文脈とともに、テキストの意味を効果的に捉えることができるディープニューラルマルチモーダルモデルを提案する。 我々のモデルは、既存のヘイトスピーチ分類アプローチを上回ることができる。
  論文  参考訳（メタデータ） (2021-03-02T10:12:26Z)
• Towards Debiasing Sentence Representations [109.70181221796469]
  Sent-Debiasはバイアスを取り除くのに有効であり、同時に文レベルの下流タスクのパフォーマンスを保っていることを示す。 我々は、より公平なNLPのための広く採用されている文表現から社会的偏見を識別・除去する今後の研究に刺激を与えることを期待している。
  論文  参考訳（メタデータ） (2020-07-16T04:22:30Z)
• #Coronavirus or #Chinesevirus?!: Understanding the negative sentiment reflected in Tweets with racist hashtags across the development of COVID-19 [1.0878040851638]
  人種差別的なハッシュタグでマークされたツイートに反映される否定的な感情の分析に焦点を当てた。 我々は、新型コロナウイルスの3つの発達段階とともに、ネガティブな感情がどのように変化するかを把握するためのステージベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-17T11:15:50Z)
• 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。