論文の概要: Evolution of wartime discourse on Telegram: A comparative study of Ukrainian and Russian policymakers' communication before and after Russia's full-scale invasion of Ukraine

• arxiv url: http://arxiv.org/abs/2510.11746v1
• Date: Sat, 11 Oct 2025 16:17:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.026323
• Title: Evolution of wartime discourse on Telegram: A comparative study of Ukrainian and Russian policymakers' communication before and after Russia's full-scale invasion of Ukraine
• Title（参考訳）: テレグラムにおける戦時談話の進化 : ロシアによるウクライナ侵攻前後のウクライナとロシアの政策立案者のコミュニケーションの比較研究
• Authors: Mykola Makhortykh, Aytalina Kulichkina, Kateryna Maikovska,
• Abstract要約: 本研究では、ロシア・ウクライナ戦争中のテレグラムにおけるエリート主導の政治コミュニケーションについて検討する。 我々は、2022年のロシア侵攻後のコミュニケーション量、テーマコンテンツ、アクターエンゲージメントの変化を分析した。 われわれの調査結果は、政策立案者が戦時コミュニケーションの課題にどのように適応するかを明らかにし、戦時中のオンライン政治談話のダイナミクスに関する重要な洞察を提供した。
• 参考スコア（独自算出の注目度）: 0.07646713951724012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study examines elite-driven political communication on Telegram during the ongoing Russo-Ukrainian war, the first large-scale European war in the social media era. Using a unique dataset of Telegram public posts from Ukrainian and Russian policymakers (2019-2024), we analyze changes in communication volume, thematic content, and actor engagement following Russia's 2022 full-scale invasion. Our findings show a sharp increase in Telegram activity after the invasion, particularly among ruling-party policymakers. Ukrainian policymakers initially focused on war-related topics, but this emphasis declined over time In contrast, Russian policymakers largely avoided war-related discussions, instead emphasizing unrelated topics, such as Western crises, to distract public attention. We also identify differences in communication strategies between large and small parties, as well as individual policymakers. Our findings shed light on how policymakers adapt to wartime communication challenges and offer critical insights into the dynamics of online political discourse during times of war.
• Abstract（参考訳）: 本研究では、Telegramにおけるエリート主導の政治コミュニケーションを、ソーシャルメディア時代における最初の大規模なヨーロッパ戦争である、ロシア・ウクライナ戦争中に検討する。 ウクライナとロシアの政策立案者によるTelegram公開ポストのユニークなデータセット(2019-2024)を用いて、2022年のロシア侵攻後の通信量、テーマコンテンツ、アクターエンゲージメントの変化を分析します。 侵略後のテレグラム活動は,特に与党政策立案者の間で急激な増加がみられた。 ウクライナの政策立案者は当初は戦争に関する話題に焦点を絞ったが、この強調は時代とともに減少し、対照的にロシアの政策立案者は戦争に関する議論をほとんど避け、西洋の危機のような無関係な話題を強調して大衆の注意をそらした。 また、大企業と小政党のコミュニケーション戦略の違いや、個別の政策立案者の違いも確認する。 われわれの調査結果は、政策立案者が戦時コミュニケーションの課題にどのように適応するかを明らかにし、戦時中のオンライン政治談話のダイナミクスに関する重要な洞察を提供した。

関連論文リスト

• Multimodal Policy Internalization for Conversational Agents [48.11601444262434]
  マルチモーダルポリシー内部化(MPI)は、推論集約型マルチモーダルポリシーをモデルパラメータに内部化する新しいタスクである。 合成と実世界の意思決定とツール使用タスクにまたがる2つのデータセットを構築します。 TriMPIは、エンドツーエンドの精度、一般化、ロバスト性において顕著な向上を実現している。
  論文  参考訳（メタデータ） (2025-10-10T15:28:30Z)
• Propaganda and Information Dissemination in the Russo-Ukrainian War: Natural Language Processing of Russian and Western Twitter Narratives [0.0]
  この記事は、戦争の開始時から収集されたプロパガンダアカウントと信頼できるアカウントからのつぶやきの分析を行う。 我々は、自然言語処理と機械学習アルゴリズムを利用して感情を評価し、主要なテーマを特定する。 以上の結果から,情報生成・拡散・ターゲットの仕方において,両面から異なる視点を対象とする異なる戦略が示唆された。
  論文  参考訳（メタデータ） (2025-06-02T15:52:04Z)
• Telegram as a Battlefield: Kremlin-related Communications during the Russia-Ukraine Conflict [1.8804864184522545]
  本稿では,プロクレムリンチャネルとアンチクレムリンテレグラムチャネルの両方からのポストのデータセットを提案する。 データセットは404のプロクレムリンチャネルと4,109,645のポスト、114の反クレムリンチャネルと1,117,768のポストで構成されている。
  論文  参考訳（メタデータ） (2025-01-03T16:31:59Z)
• The Adaptive Strategies of Anti-Kremlin Digital Dissent in Telegram during the Russian Invasion of Ukraine [0.6178017970021517]
  本研究では,Telegramにおけるアンチクレムリン含有量の7段階にわたる動態について検討した。 新興トピックに関するデータ駆動の計算分析により、ロシアの経済、戦闘の更新、国際政治、ロシアの内政が明らかになった。 クレムリンコントロールを脅かすこれらの出来事に対する視聴者の承認は、テレグラムが野党のオンラインプレーフィールドをレベル付けしていることを示唆している。
  論文  参考訳（メタデータ） (2024-08-13T18:10:06Z)
• A Longitudinal Study of Italian and French Reddit Conversations Around the Russian Invasion of Ukraine [1.002138130221506]
  この研究は、最大のイタリアとフランスのRedditコミュニティ内での会話を詳しく調べ、特にロシアによるウクライナ侵攻がオンラインの対話にどう影響したかを調べた。 モデレーションアクティビティのパターンを記述するために、300万以上のポスト(コメントや投稿など)を持つデータセットを使用します。 我々は、戦争の最初の1ヶ月でより活発になったモデレーターの行動の変化を発見した。
  論文  参考訳（メタデータ） (2024-02-07T16:15:52Z)
• Social media polarization reflects shifting political alliances in Pakistan [44.99833362998488]
  2018年から2022年にかけて、我々のTwitterデータの分析によって、パキスタンの政治領域における重要な変化と発展を捉えることができます。 主要政党に属する政治家が生み出す相互作用やコンテンツを調べることで、Twitter上での政治家の存在が一貫して活発であることを明らかにする。 我々の分析は、政治家が野党同盟に移行するなど、政治的提携の大幅な変化も明らかにしている。
  論文  参考訳（メタデータ） (2023-09-15T00:07:48Z)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
  私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)
• Automated multilingual detection of Pro-Kremlin propaganda in newspapers and Telegram posts [5.886782001771578]
  ロシア連邦とウクライナの大規模な紛争は、前例のない量のニュース記事やソーシャルメディアデータを生み出した。 本研究は、ウクライナ語、ロシア語、ルーマニア語、英語のニュース記事やテレグラムのニュースチャンネルを用いて、戦初月にメディアが世論にどう影響し、どのように反映したかを分析した。 我々はトランスフォーマーと言語特徴に基づく多言語自動プロパガンダ識別の2つの手法を提案し,比較する。
  論文  参考訳（メタデータ） (2023-01-25T14:25:37Z)
• Certifiably Robust Policy Learning against Adversarial Communication in Multi-agent Systems [51.6210785955659]
  多くのマルチエージェント強化学習(MARL)では,エージェントが情報を共有し,適切な判断を下す上でコミュニケーションが重要である。 しかし、ノイズや潜在的な攻撃者が存在する現実世界のアプリケーションに訓練された通信エージェントを配置すると、通信ベースのポリシーの安全性は過小評価されている深刻な問題となる。 本研究では,攻撃者が任意の$CfracN-12$エージェントから被害者エージェントへの通信を任意に変更できる,$N$エージェントを備えた環境を検討する。
  論文  参考訳（メタデータ） (2022-06-21T07:32:18Z)
• Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
  Twitter APIから現在進行中のデータセットの取得を開始しています。 データセットは770万人のユーザーを起源とする5730万ツイートに達している。 我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
  論文  参考訳（メタデータ） (2022-04-07T12:33:06Z)
• A Weibo Dataset for the 2022 Russo-Ukrainian Crisis [59.258530429699924]
  我々は、最初のリリースで350万以上のユーザー投稿とコメントを含む、ロシア・ウクライナ危機Weiboデータセットを提示する。 我々のデータはhttps://github.com/yrf1/Russia-Ukraine_weibo_dataset.comから入手可能です。
  論文  参考訳（メタデータ） (2022-03-09T19:06:04Z)
• Clustering of Social Media Messages for Humanitarian Aid Response during Crisis [47.187609203210705]
  近年のDeep Learning and Natural Language Processingの進歩は,情報度を分類する作業において,事前のアプローチよりも優れていることを示す。 本稿では,これらの手法を2つのサブタスクに拡張し,Deep Learning法も有効であることを示す。
  論文  参考訳（メタデータ） (2020-07-23T02:18:05Z)

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。