論文の概要: Modeling the Impact of Group Interactions on Climate-related Opinion Change in Reddit

• arxiv url: http://arxiv.org/abs/2505.02989v1
• Date: Mon, 05 May 2025 19:35:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.11694
• Title: Modeling the Impact of Group Interactions on Climate-related Opinion Change in Reddit
• Title（参考訳）: Redditにおけるグループインタラクションが気候変動関連意見変化に与える影響のモデル化
• Authors: Alessia Antelmi, Carmine Spagnuolo, Luca Maria Aiello,
• Abstract要約: ソーシャルメディアプラットフォーム上での会話スレッドに固有のグループダイナミクスを捉えた時間的ハイパーグラフモデルを提案する。 このモデルは、個々のユーザーレベルでの気候問題に対する姿勢の時間的変化を予測する。 その結果,ハイパーグラフによるグループ間相互作用のモデル化は,意見形成の微視的ダイナミクスの予測に優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Opinion dynamics models describe the evolution of behavioral changes within social networks and are essential for informing strategies aimed at fostering positive collective changes, such as climate action initiatives. When applied to social media interactions, these models typically represent social exchanges in a dyadic format to allow for a convenient encoding of interactions into a graph where edges represent the flow of information from one individual to another. However, this structural assumption fails to adequately reflect the nature of group discussions prevalent on many social media platforms. To address this limitation, we present a temporal hypergraph model that effectively captures the group dynamics inherent in conversational threads, and we apply it to discussions about climate change on Reddit. This model predicts temporal shifts in stance towards climate issues at the level of individual users. In contrast to traditional studies in opinion dynamics that typically rely on simulations or limited empirical validation, our approach is tested against a comprehensive ground truth estimated by a large language model at the level of individual user comments. Our findings demonstrate that using hypergraphs to model group interactions yields superior predictions of the microscopic dynamics of opinion formation, compared to state-of-the-art models based on dyadic interactions. Although our research contributes to the understanding of these complex social systems, significant challenges remain in capturing the nuances of how opinions are formed and evolve within online spaces.
• Abstract（参考訳）: オピニオンダイナミクスモデルは、ソーシャルネットワーク内の行動変化の進化を記述し、気候行動イニシアチブのようなポジティブな集団的変化を促進するための戦略を伝えるのに不可欠である。 ソーシャルメディアのインタラクションに適用する場合、これらのモデルは一般的に、ダイアディック形式でのソーシャル交換を表現し、エッジが個人から別の個人への情報のフローを表すグラフへのインタラクションの簡潔なエンコーディングを可能にする。 しかし、この構造的仮定は、多くのソーシャルメディアプラットフォームで普及しているグループディスカッションの性質を十分に反映していない。 この制限に対処するために、対話スレッドに固有のグループダイナミクスを効果的にキャプチャする時間的ハイパーグラフモデルを提案し、Reddit上での気候変動に関する議論に適用する。 このモデルは、個々のユーザーレベルでの気候問題に対する姿勢の時間的変化を予測する。 シミュレーションや限定的な実証検証に依拠する意見力学の従来の研究とは対照的に,我々のアプローチは,個々のユーザコメントのレベルにおいて,大規模言語モデルによって推定される包括的根拠真理に対して検証される。 本研究は, 群間相互作用のモデル化にハイパーグラフを用いることで, 群間相互作用に基づく最先端モデルと比較して, 意見形成の微視的ダイナミクスの予測に優れることを示した。 我々の研究は、これらの複雑な社会システムの理解に寄与するが、オンライン空間における意見の形成と進化のニュアンスを捉える上で、大きな課題が残っている。

関連論文リスト

• Decoding Echo Chambers: LLM-Powered Simulations Revealing Polarization in Social Networks [12.812531689189065]
  ソーシャルメディアがエコーチャンバーなどの重要な問題に与える影響に対処する必要がある。 伝統的な研究はしばしば感情的な傾向や意見の進化を数字や公式に単純化する。 偏光現象の評価と対策を行うために, LLM を用いた社会意見ネットワークのシミュレーションを提案する。
  論文  参考訳（メタデータ） (2024-09-28T12:49:02Z)
• Unveiling the Truth and Facilitating Change: Towards Agent-based Large-scale Social Movement Simulation [43.46328146533669]
  ソーシャルメディアは社会運動の基盤として現れ、社会変革の推進に大きな影響を与えている。 ソーシャルメディアユーザシミュレーションのためのハイブリッドフレームワークHiSimを導入し、ユーザを2つのタイプに分類する。 我々は、トリガーイベントに続く応答ダイナミクスを再現するために、Twitterのような環境を構築します。
  論文  参考訳（メタデータ） (2024-02-26T06:28:54Z)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• 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)
• Linear Opinion Dynamics Model with Higher-Order Interactions [17.413930396663833]
  グラフ上の意見ダイナミクスをハイパーグラフに拡張するために、人気のあるFriedkin-Johnsenモデルを拡張する。 我々は、高次相互作用が意見力学において重要な役割を果たすことを示した。
  論文  参考訳（メタデータ） (2023-10-09T12:56:11Z)
• Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
  本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。 我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。 機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
  論文  参考訳（メタデータ） (2023-02-14T05:25:03Z)
• The drivers of online polarization: fitting models to data [0.0]
  エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。 これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。 シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T17:00:41Z)
• Opinion dynamics in social networks: From models to data [0.0]
  意見は集団行動を形成し、民主的プロセス、規範の進化、文化の変化に重要な役割を果たしている。 何十年にもわたって、社会科学と自然科学の研究者たちは、個人の視点や社会的交流の変化が、コンセンサスや偏光といった世論の根本的状態にどのようにつながるかを説明しようとしてきた。
  論文  参考訳（メタデータ） (2022-01-04T19:21:26Z)

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。