論文の概要: Before the Outrage: Challenges and Advances in Predicting Online Antisocial Behavior

• arxiv url: http://arxiv.org/abs/2507.20614v1
• Date: Mon, 28 Jul 2025 08:27:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:57.98015
• Title: Before the Outrage: Challenges and Advances in Predicting Online Antisocial Behavior
• Title（参考訳）: 暴動前:オンライン反社会的行動予測の課題と進歩
• Authors: Anaïs Ollagnier,
• Abstract要約: ソーシャルメディア上での反社会的行動は、プラットフォーム安全と社会福祉の課題を増大させている。 従来の研究は主に有害な内容の検出に重点を置いてきたが、予測的アプローチは将来の有害な行動を予測することを目的としている。 関心が高まりつつも、この分野は断片化され続けており、統一された分類学や既存の方法の明確な合成が欠如している。
• 参考スコア（独自算出の注目度）: 1.223779595809275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Antisocial behavior (ASB) on social media-including hate speech, harassment, and trolling-poses growing challenges for platform safety and societal wellbeing. While prior work has primarily focused on detecting harmful content after it appears, predictive approaches aim to forecast future harmful behaviors-such as hate speech propagation, conversation derailment, or user recidivism-before they fully unfold. Despite increasing interest, the field remains fragmented, lacking a unified taxonomy or clear synthesis of existing methods. This paper presents a systematic review of over 49 studies on ASB prediction, offering a structured taxonomy of five core task types: early harm detection, harm emergence prediction, harm propagation prediction, behavioral risk prediction, and proactive moderation support. We analyze how these tasks differ by temporal framing, prediction granularity, and operational goals. In addition, we examine trends in modeling techniques-from classical machine learning to pre-trained language models-and assess the influence of dataset characteristics on task feasibility and generalization. Our review highlights methodological challenges, such as dataset scarcity, temporal drift, and limited benchmarks, while outlining emerging research directions including multilingual modeling, cross-platform generalization, and human-in-the-loop systems. By organizing the field around a coherent framework, this survey aims to guide future work toward more robust and socially responsible ASB prediction.
• Abstract（参考訳）: ヘイトスピーチ、ハラスメント、トロリングを含むソーシャルメディア上での反社会的行動(ASB)は、プラットフォーム安全と社会福祉の課題を増大させている。 従来の研究は主に有害なコンテンツの検出に重点を置いてきたが、予測的アプローチは、ヘイトスピーチの伝播や会話の脱線、ユーザー再編成といった将来の有害な行動を、完全に展開する前に予測することを目的としている。 関心が高まりつつも、この分野は断片化され続けており、統一された分類学や既存の方法の明確な合成が欠如している。 本稿では,ASB予測に関する49以上の研究を体系的にレビューし,早期障害検出,害発生予測,害発生予測,行動リスク予測,積極的モデレーション支援という5つのコアタスクタイプの構造的分類を提供する。 これらのタスクが時間的フレーミング、予測粒度、運用目標によってどのように異なるかを分析する。 さらに,従来の機械学習から事前学習言語モデルへのモデリング技術の動向について検討し,タスクの実現性と一般化に対するデータセット特性の影響を評価する。 本稿では,多言語モデリング,クロスプラットフォームの一般化,ループシステムなど,新たな研究方向性を概説しながら,データセット不足,時間的ドリフト,限られたベンチマークなどの方法論的課題を強調した。 本調査は,コヒーレントフレームワークを中心とした分野を整理することにより,より堅牢で社会的に責任のあるASB予測に向けた今後の取り組みを導くことを目的とする。

関連論文リスト

• Human Action Anticipation: A Survey [86.415721659234]
  行動予測に関する文献は、行動予測、活動予測、意図予測、目標予測など、様々なタスクにまたがる。 我々の調査は、この断片化された文献を結びつけることを目的としており、最近の技術革新とモデルトレーニングと評価のための新しい大規模データセットの開発をカバーしています。
  論文  参考訳（メタデータ） (2024-10-17T21:37:40Z)
• Inference Attacks: A Taxonomy, Survey, and Promising Directions [44.290208239143126]
  この調査は、ML-as-a-serviceにおける攻撃の詳細な包括的推測とそれに対応する対策を提供する。 まず,コミュニティ研究状況に基づく3MP分類法を提案する。 また、各種類の推論攻撃の長所と短所、ワークフロー、対策、およびそれらが他の攻撃とどのように相互作用するかを分析する。
  論文  参考訳（メタデータ） (2024-06-04T07:06:06Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• Predicting from Predictions [18.393971232725015]
  観測データから,結果に対する予測の因果的影響を同定する方法について検討した。 予測から予測する教師あり学習は,特徴,予測,結果の間の伝達可能な機能的関係を見出すことができることを示す。
  論文  参考訳（メタデータ） (2022-08-15T16:57:02Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
  未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。 人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。 本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-02T21:50:45Z)
• Review of Video Predictive Understanding: Early ActionRecognition and Future Action Prediction [39.966828592322315]
  アクション予測は、ビデオ予測理解の重要なサブ領域である。 様々な数学的ツールが、これらの2つのタスクに対してコンピュータビジョン技術と共に広く採用されている。 深層畳み込みニューラルネットワークと繰り返しニューラルネットワークに依存する構造は、既存の視覚タスクの性能を改善するために広く提案されている。
  論文  参考訳（メタデータ） (2021-07-11T22:46:52Z)
• Adversarial Attack and Defense of Structured Prediction Models [58.49290114755019]
  本論文では,NLPにおける構造化予測タスクに対する攻撃と防御について検討する。 構造化予測モデルの構造化出力は、入力中の小さな摂動に敏感である。 本稿では,シーケンス・ツー・シーケンス・モデルを用いて,構造化予測モデルへの攻撃を学習する,新規で統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-04T15:54:03Z)

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。