論文の概要: Leveraging the Power of AI and Social Interactions to Restore Trust in Public Polls
- arxiv url: http://arxiv.org/abs/2511.07593v1
- Date: Wed, 12 Nov 2025 01:06:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-12 20:17:03.395796
- Title: Leveraging the Power of AI and Social Interactions to Restore Trust in Public Polls
- Title（参考訳）: AIとソーシャルインタラクションの力を活用して公共の場に信頼を蓄える
- Authors: Amr Akmal Abouelmagd, Amr Hilal,
- Abstract要約: 伝統的なポーリングの手法は、ここ数十年で顕著な減少を見せている。
ソーシャルネットワークとピアツーピアネットワークはますます普及しているが、これらのプラットフォームからのデータは信頼性の問題に悩まされる可能性がある。
本稿では,AIを用いたソーシャルインタラクションのグラフ解析により,ポーリング作業における不適格な参加を検出するための実証的研究について述べる。
- 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: The emergence of crowdsourced data has significantly reshaped social science, enabling extensive exploration of collective human actions, viewpoints, and societal dynamics. However, ensuring safe, fair, and reliable participation remains a persistent challenge. Traditional polling methods have seen a notable decline in engagement over recent decades, raising concerns about the credibility of collected data. Meanwhile, social and peer-to-peer networks have become increasingly widespread, but data from these platforms can suffer from credibility issues due to fraudulent or ineligible participation. In this paper, we explore how social interactions can help restore credibility in crowdsourced data collected over social networks. We present an empirical study to detect ineligible participation in a polling task through AI-based graph analysis of social interactions among imperfect participants composed of honest and dishonest actors. Our approach focuses solely on the structure of social interaction graphs, without relying on the content being shared. We simulate different levels and types of dishonest behavior among participants who attempt to propagate the task within their social networks. We conduct experiments on real-world social network datasets, using different eligibility criteria and modeling diverse participation patterns. Although structural differences in social interaction graphs introduce some performance variability, our study achieves promising results in detecting ineligibility across diverse social and behavioral profiles, with accuracy exceeding 90% in some configurations.
- Abstract（参考訳）: クラウドソーシングされたデータの出現は、社会科学を大きく変え、集団的人間の行動、視点、社会的ダイナミクスの広範な探索を可能にした。
しかし、安全で公平で信頼性の高い参加を保証することは、依然として永続的な課題である。
従来のポーリング手法は、過去数十年で顕著なエンゲージメント低下を経験しており、収集されたデータの信頼性に関する懸念が高まっている。
一方、ソーシャルネットワークとピアツーピアネットワークはますます広まりつつあるが、これらのプラットフォームからのデータは、詐欺行為や不適格な参加による信頼性の問題に悩まされる可能性がある。
本稿では,ソーシャルネットワーク上で収集されたクラウドソーシングデータにおいて,ソーシャルインタラクションが信頼性の回復にどう役立つかを検討する。
正直かつ不正直なアクターで構成された不完全な参加者間の社会的相互作用をAIによるグラフ解析により分析し、ポーリング作業における不適格な参加を検出するための実証的研究を行った。
われわれのアプローチは、共有されるコンテンツに頼らずに、ソーシャルインタラクショングラフの構造にのみ焦点をあてる。
ソーシャルネットワーク内でタスクを広めようとする参加者の間で、さまざまなレベルの不正直な行動のタイプをシミュレートする。
我々は、現実のソーシャルネットワークデータセットの実験を行い、異なる資格基準を使用し、多様な参加パターンをモデル化する。
社会的相互作用グラフの構造的差異はいくつかの性能変動をもたらすが、いくつかの構成では精度が90%を超え、多様な社会的・行動的プロファイル間の不等式を検出するという有望な結果が得られた。
関連論文リスト
- Part-Aware Bottom-Up Group Reasoning for Fine-Grained Social Interaction Detection [82.70752567211251]
本稿では,詳細なソーシャルインタラクション検出のためのボトムアップグループ推論フレームワークを提案する。
提案手法は,身体部分の特徴と対人関係を用いて,社会的グループとその相互作用を推定する。
モデルではまず個人を検知し,その特徴を部分認識的手がかりを用いて拡張し,類似性に基づく推論によって個人を連想させることによりグループ構成を推論する。
論文 参考訳（メタデータ） (2025-11-05T17:33:03Z) - Extracting Participation in Collective Action from Social Media [0.0]
本稿では,ソーシャルメディア投稿から集団行動に参加することの表現を識別する新しいテキスト分類器について紹介する。
我々の分類は、参加を捉え、それを4つのレベルに分類する: 集団的問題を認識し、行動の呼び出しに関わり、行動の意図を表現し、活動的な関与を報告する。
以上の結果から,より小さな言語モデルでは,参加者の表現を確実に検出でき,より大規模なモデルと競合する可能性が示唆された。
論文 参考訳（メタデータ） (2025-01-13T14:36:41Z) - Social-LLM: Modeling User Behavior at Scale using Language Models and
Social Network Data [13.660150473547766]
本稿では,ユーザ検出タスクにおけるソーシャルネットワークデータのモデリングに適した新しいアプローチを提案する。
提案手法は,局所的なソーシャルネットワークのインタラクションを,大規模言語モデルの能力と統合する。
実世界の7つのソーシャル・ネットワーク・データセットにまたがって、我々の手法を徹底的に評価する。
論文 参考訳（メタデータ） (2023-12-31T05:13:13Z) - Domain-based user embedding for competing events on social media [4.984601297028257]
本稿では,URLドメイン共起ネットワークに基づくユーザ埋め込み手法を提案する。
このアプローチは、政治的キャンペーンや公衆衛生危機などの競合イベントに関わるソーシャルメディア利用者を効果的に表現する。
論文 参考訳（メタデータ） (2023-08-28T18:01:14Z) - Socialz: Multi-Feature Social Fuzz Testing [8.40868688916685]
Socialzはソーシャルファズテストの新しいアプローチである。
我々は,ソーシャルテストツールを皆の手に置き,世界中のソーシャルネットワークの信頼性とセキュリティを向上させることを目的としている。
論文 参考訳（メタデータ） (2023-02-17T03:00:02Z) - Flexible social inference facilitates targeted social learning when
rewards are not observable [58.762004496858836]
グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。
社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
論文 参考訳（メタデータ） (2022-12-01T21:04:03Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳（メタデータ） (2021-06-20T10:48:49Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2020-02-05T11:10:44Z)
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。