論文の概要: What Media Frames Reveal About Stance: A Dataset and Study about Memes in Climate Change Discourse
- arxiv url: http://arxiv.org/abs/2505.16592v1
- Date: Thu, 22 May 2025 12:27:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:48.280452
- Title: What Media Frames Reveal About Stance: A Dataset and Study about Memes in Climate Change Discourse
- Title（参考訳）: メディアがスタンスについて語るもの - 気候変動に関する話題のデータセットと考察-
- Authors: Shijia Zhou, Siyao Peng, Simon Luebke, Jörg Haßler, Mario Haim, Saif M. Mohammad, Barbara Plank,
- Abstract要約: 我々は、気候変動に関するインターネットのミームとの相互作用を概念化し、計算的に探求するために、学際的アプローチを適用した。
CLIMATEMEMES(CLIMATEMEMES)は、気候変化のミームにスタンスとメディアフレームの両方を付加した最初のデータセットである。
本稿では,姿勢検出とメディアフレーム検出の2つの課題を提案する。
- 参考スコア（独自算出の注目度）: 37.94259771690568
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Media framing refers to the emphasis on specific aspects of perceived reality to shape how an issue is defined and understood. Its primary purpose is to shape public perceptions often in alignment with the authors' opinions and stances. However, the interaction between stance and media frame remains largely unexplored. In this work, we apply an interdisciplinary approach to conceptualize and computationally explore this interaction with internet memes on climate change. We curate CLIMATEMEMES, the first dataset of climate-change memes annotated with both stance and media frames, inspired by research in communication science. CLIMATEMEMES includes 1,184 memes sourced from 47 subreddits, enabling analysis of frame prominence over time and communities, and sheds light on the framing preferences of different stance holders. We propose two meme understanding tasks: stance detection and media frame detection. We evaluate LLaVA-NeXT and Molmo in various setups, and report the corresponding results on their LLM backbone. Human captions consistently enhance performance. Synthetic captions and human-corrected OCR also help occasionally. Our findings highlight that VLMs perform well on stance, but struggle on frames, where LLMs outperform VLMs. Finally, we analyze VLMs' limitations in handling nuanced frames and stance expressions on climate change internet memes.
- Abstract（参考訳）: メディアフレーミング(メディアフレーミング)とは、ある問題がどう定義され理解されるかを形成するために、知覚される現実の特定の側面を強調することを指す。
その主な目的は、しばしば著者の意見や姿勢に合わせて大衆の認識を形作ることである。
しかし、スタンスとメディアフレームの相互作用はほとんど未解明のままである。
本研究では、気候変動に関するインターネット・ミームとの相互作用を概念化し、計算的に研究するための学際的アプローチを適用する。
CLIMATEMEMES(CLIMATEMEMES)は,コミュニケーション科学の研究に触発された,姿勢とメディアフレームの両方に注釈を付けた最初の気候変化ミームのデータセットである。
CLIMATEMEMESには、47個のサブレディットから派生した1,184個のミームが含まれており、時間とコミュニティによるフレームの卓越度の分析を可能にし、異なるスタンスホルダーのフレーミング嗜好に光を当てている。
本稿では,姿勢検出とメディアフレーム検出の2つの課題を提案する。
LLaVA-NeXT と Molmo を各種セットアップで評価し,LLM のバックボーンに対応する結果を報告する。
人間のキャプションは一貫してパフォーマンスを高めます。
合成キャプションや人間の修正OCRも時折役に立つ。
以上の結果から,VLMの姿勢は良好だが,フレーム上では困難であり,VLMよりも優れていたことが示唆された。
最後に,不規則なフレームの処理におけるVLMの限界と,気候変動のインターネットミームに対する姿勢表現について分析する。
関連論文リスト
- Detecting and Mitigating Hateful Content in Multimodal Memes with Vision-Language Models [12.929357709840975]
マルチモーダルミームは、個人やグループに対してヘイトスピーチを広めるために悪用されることがある。
ヘイトフルなミームを検出するための定義誘導プロンプト手法と、UnHateMemeという名前のミームにおけるヘイトフルなコンテンツを緩和するための統一的なフレームワークを提案する。
我々のフレームワークはビジョン・ランゲージ・モデルと統合されており、ヘイトフル・ミームを非ヘイトフル・フォームに変換する強力な能力を示している。
論文 参考訳（メタデータ） (2025-04-30T19:48:12Z) - Talking Point based Ideological Discourse Analysis in News Events [62.18747509565779]
本稿では,イデオロギー的談話分析理論をモチベーションとして,実世界の出来事に関するニュース記事を分析する枠組みを提案する。
我々のフレームワークは,話題のトピックとともに,エンティティ,役割,メディアフレーム間の相互作用を捉えた,会話ポイントという関係構造を用いたニュース記事を表現している。
我々は,人間の検証によって補足されたイデオロギーや分派的分類タスクを通じて,これらの視点を自動で生成するフレームワークの能力を評価する。
論文 参考訳（メタデータ） (2025-04-10T02:52:34Z) - CliME: Evaluating Multimodal Climate Discourse on Social Media and the Climate Alignment Quotient (CAQ) [14.065907685322097]
CliMEは、TwitterとRedditの2579の投稿からなる、同種のマルチモーダルデータセットである。
このベンチマークはユーモラスなミームと懐疑的な投稿の多様なコレクションを特徴とし、これらのフォーマットが複雑な問題を、世論や政策に関する議論を形作るような、バイラルな物語にどのように蒸留するかを捉えている。
本稿では,5つの異なる次元(Articulation, Evidence, Resonance, transition, specificity)からなる新しい尺度であるClimate Alignment Quotient(CAQ)を紹介する。
以上の結果から,ほとんどのLCMは批判と正義において比較的良好に機能するが,アクティビリティーの軸では常に性能が劣っていることが示唆された。
論文 参考訳（メタデータ） (2025-04-04T20:01:00Z) - Deep Learning for Climate Action: Computer Vision Analysis of Visual Narratives on X [10.72175732685513]
我々は、2019年に共有されたX(元Twitter)の気候変動に関連するツイートのデータセットを分析し、共有された画像とともに730万のツイートを含む。
本手法は, 統計的分析, 画像分類, 物体検出, 感情分析を統合し, 気候談話における視覚的物語を探索する。
筆者らは, 気候コミュニケーションにおける重要なテーマを明らかにするとともに, 画像とテキストの感情の相違を強調し, ソーシャルメディア画像解析における基礎モデルの強みと限界を明らかにする。
論文 参考訳（メタデータ） (2025-03-12T13:03:49Z) - MemeGuard: An LLM and VLM-based Framework for Advancing Content Moderation via Meme Intervention [43.849634264271565]
textitMemeGuardは,大規模言語モデル(LLM)とビジュアル言語モデル(VLM)を活用した包括的なフレームワークである。
textitMemeGuardは、特別に微調整されたVLM、textitVLMeme、ミーム解釈、マルチモーダルな知識選択とランキング機構を利用する。
我々はtextitICMM を利用して textitMemeGuard をテストする。
論文 参考訳（メタデータ） (2024-06-08T04:09:20Z) - MemeMQA: Multimodal Question Answering for Memes via Rationale-Based Inferencing [53.30190591805432]
構造化された質問に対する正確な応答を求めるマルチモーダルな質問応答フレームワークであるMemeMQAを紹介する。
また,MemeMQAに対処する新しい2段階マルチモーダルフレームワークであるARSENALを提案する。
論文 参考訳（メタデータ） (2024-05-18T07:44:41Z) - What Evidence Do Language Models Find Convincing? [94.90663008214918]
議論の的になっているクエリと、さまざまな事実を含む実世界の証拠文書を組み合わせたデータセットを構築します。
このデータセットを用いて、感度と反ファクト分析を行い、どのテキスト特徴がLLM予測に最も影響するかを探索する。
全体として、現在のモデルは、クエリに対するWebサイトの関連性に大きく依存している一方で、人間が重要と考えるスタイル的特徴をほとんど無視している。
論文 参考訳（メタデータ） (2024-02-19T02:15:34Z) - Framing Analysis of Health-Related Narratives: Conspiracy versus
Mainstream Media [3.3181276611945263]
我々は、新型コロナウイルスやその他の疾患などの健康関連トピックのフレーミングが、陰謀と主流のウェブサイトの間でどのように異なるかを検討する。
共謀メディアの健康に関する物語は、主に信念の枠組みで表現されているのに対し、主流メディアは科学の観点で表現する傾向にある。
論文 参考訳（メタデータ） (2024-01-18T14:56:23Z) - How should the advent of large language models affect the practice of
science? [51.62881233954798]
大規模言語モデルの出現は科学の実践にどのように影響を与えるべきか?
我々は4つの科学者グループを招待し、この質問を反映し、彼らの見解を共有し、議論をおこなった。
論文 参考訳（メタデータ） (2023-12-05T10:45:12Z) - Detecting and Understanding Harmful Memes: A Survey [48.135415967633676]
我々は有害なミームに焦点を当てた総合的な調査を行っている。
興味深い発見の1つは、多くの有害ミームが実際には研究されていないことである。
別の観察では、ミームは異なる言語で再パッケージ化することでグローバルに伝播し、多言語化することもできる。
論文 参考訳（メタデータ） (2022-05-09T13:43:27Z)
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。