論文の概要: Counterspeech for Mitigating the Influence of Media Bias: Comparing Human and LLM-Generated Responses

• arxiv url: http://arxiv.org/abs/2508.15855v1
• Date: Wed, 20 Aug 2025 10:34:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-25 16:42:36.125564
• Title: Counterspeech for Mitigating the Influence of Media Bias: Comparing Human and LLM-Generated Responses
• Title（参考訳）: メディアバイアスの影響を緩和する対語:人間とLLMによる反応の比較
• Authors: Luyang Lin, Zijin Feng, Lingzhi Wang, Kam-Fai Wong,
• Abstract要約: バイアスドニュースは社会的分極に寄与し、しばしば敵対的な読者のコメントによって補強される。 我々の研究は、攻撃的なコメントが偏見のあるコンテンツをサポートし、偏見を増幅し、標的とするグループや個人に害を与えることを明らかにした。 カウンタースピーチは、言論の自由を侵害することなく、このような有害な言論に対抗する効果的なアプローチである。
• 参考スコア（独自算出の注目度）: 24.801515898258966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biased news contributes to societal polarization and is often reinforced by hostile reader comments, constituting a vital yet often overlooked aspect of news dissemination. Our study reveals that offensive comments support biased content, amplifying bias and causing harm to targeted groups or individuals. Counterspeech is an effective approach to counter such harmful speech without violating freedom of speech, helping to limit the spread of bias. To the best of our knowledge, this is the first study to explore counterspeech generation in the context of news articles. We introduce a manually annotated dataset linking media bias, offensive comments, and counterspeech. We conduct a detailed analysis showing that over 70\% offensive comments support biased articles, amplifying bias and thus highlighting the importance of counterspeech generation. Comparing counterspeech generated by humans and large language models, we find model-generated responses are more polite but lack the novelty and diversity. Finally, we improve generated counterspeech through few-shot learning and integration of news background information, enhancing both diversity and relevance.
• Abstract（参考訳）: バイアスのあるニュースは社会的分極に寄与し、しばしば敵対的な読者のコメントによって強化される。 我々の研究は、攻撃的なコメントが偏見のあるコンテンツをサポートし、偏見を増幅し、標的とするグループや個人に害を与えることを明らかにした。 カウンタースペーチは、言論の自由を侵害することなく、そのような有害な言論に対抗する効果的なアプローチであり、偏見の拡散を制限するのに役立つ。 我々の知る限りでは、ニュース記事の文脈で対音声生成を探求する最初の研究である。 メディアバイアス,攻撃的コメント,反音声をリンクする手動注釈付きデータセットを導入する。 我々は、70 %以上の攻撃的コメントが偏りのある記事をサポートし、バイアスを増幅し、反音声生成の重要性を強調していることを示す詳細な分析を行う。 人間と大きな言語モデルが生成する反音声と比較すると、モデル生成応答はより丁寧だが、斬新さと多様性は欠如している。 最後に,数ショットの学習とニュース背景情報の統合によって生成した対音声の改善を行い,多様性と妥当性の両立を図った。

関連論文リスト

• Spoken Stereoset: On Evaluating Social Bias Toward Speaker in Speech Large Language Models [50.40276881893513]
  本研究では,音声大言語モデル(SLLM)における社会的バイアスの評価を目的としたデータセットであるSpken Stereosetを紹介する。 多様な人口集団の発話に対して異なるモデルがどのように反応するかを調べることで、これらのバイアスを特定することを目指している。 これらの結果から,ほとんどのモデルではバイアスが最小であるが,ステレオタイプや反ステレオタイプ傾向がわずかにみられた。
  論文  参考訳（メタデータ） (2024-08-14T16:55:06Z)
• Mitigating Bias in Conversations: A Hate Speech Classifier and Debiaser with Prompts [0.6827423171182153]
  まず、分類器を用いてヘイトスピーチを検出し、次にプロンプトを通じてバイアスやバイアスの少ない代替品を生成するデバイアス成分を利用する。 提案手法をベンチマークデータセット上で評価し,ヘイトスピーチのコメントによる否定性の低下を観察した。
  論文  参考訳（メタデータ） (2023-07-14T13:33:28Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• Assessing the impact of contextual information in hate speech detection [0.48369513656026514]
  我々は,Twitter上のメディアからのニュース投稿に対するユーザの反応に基づいた,文脈的ヘイトスピーチ検出のための新しいコーパスを提供する。 このコーパスはリオプラテンセ方言のスペイン語で収集され、新型コロナウイルスのパンデミックに関連するヘイトスピーチに焦点を当てている。
  論文  参考訳（メタデータ） (2022-10-02T09:04:47Z)
• NeuS: Neutral Multi-News Summarization for Mitigating Framing Bias [54.89737992911079]
  様々な政治スペクトルの複数のニュース見出しから中立的な要約を生成する新しい課題を提案する。 最も興味深い観察の1つは、生成モデルは、事実的に不正確なコンテンツや検証不可能なコンテンツだけでなく、政治的に偏ったコンテンツにも幻覚を与えることができることである。
  論文  参考訳（メタデータ） (2022-04-11T07:06:01Z)
• "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)
• Newsalyze: Effective Communication of Person-Targeting Biases in News Articles [8.586057042714698]
  本稿では,自然言語理解の最先端手法を組み合わせたバイアス識別システムを提案する。 第2に,非専門家のニュース消費者にニュース記事のバイアスを伝えるために,バイアスに敏感な可視化を考案する。 第3に、私たちの主な貢献は、日々のニュース消費を近似した設定においてバイアス認識を測定する大規模なユーザスタディです。
  論文  参考訳（メタデータ） (2021-10-18T10:23:19Z)
• Viable Threat on News Reading: Generating Biased News Using Natural Language Models [49.90665530780664]
  公開されている言語モデルは、入力されたオリジナルニュースに基づいてバイアスのあるニュースコンテンツを確実に生成できることを示す。 また、制御可能なテキスト生成を用いて、多数の高品質な偏りのあるニュース記事を生成することができることを示す。
  論文  参考訳（メタデータ） (2020-10-05T16:55:39Z)
• "Notic My Speech" -- Blending Speech Patterns With Multimedia [65.91370924641862]
  音声認識と理解における視点依存と視覚的重要性の両方をモデル化するための視点時間的注意機構を提案する。 提案手法は, ビセム誤差率において, 既存の作業よりも4.99%優れていた。 モデルでは,多視点音声に対する理解と人間の知覚との間に強い相関関係があることが示されている。
  論文  参考訳（メタデータ） (2020-06-12T06:51:55Z)
• Towards Controllable Biases in Language Generation [87.89632038677912]
  本研究では、特定の人口集団の言及を含む入力プロンプトによって生成されたテキストの社会的バイアスを誘導する手法を開発した。 1 つの人口統計学において負のバイアスを誘発し、もう1 つの人口統計学において正のバイアスを誘導し、2 つのシナリオを分析する。
  論文  参考訳（メタデータ） (2020-05-01T08:25:11Z)

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。