論文の概要: Modeling Narrative Archetypes in Conspiratorial Narratives: Insights from Singapore-Based Telegram Groups

• arxiv url: http://arxiv.org/abs/2512.10105v1
• Date: Wed, 10 Dec 2025 21:51:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.078447
• Title: Modeling Narrative Archetypes in Conspiratorial Narratives: Insights from Singapore-Based Telegram Groups
• Title（参考訳）: エピソード的物語における物語的アーチタイプをモデル化する:シンガポールのテレグラムグループからの考察
• Authors: Soorya Ram Shimgekar, Abhay Goyal, Lam Yin Cheung, Roy Ka-Wei Lee, Koustuv Saha, Pi Zonooz, Navin Kumar,
• Abstract要約: 本研究はシンガポールのTelegramグループにおける陰謀的物語を分析した。 このような内容は、孤立したエコーチャンバーに限られるのではなく、日常的な議論に織り込まれている。 分析の結果,懐疑論や不信に焦点をあてたクラスタだけでなく,財務,法律,日常生活の日常的な議論にも懐疑的なメッセージが現れることがわかった。
• 参考スコア（独自算出の注目度）: 14.545582048682911
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conspiratorial discourse is increasingly embedded within digital communication ecosystems, yet its structure and spread remain difficult to study. This work analyzes conspiratorial narratives in Singapore-based Telegram groups, showing that such content is woven into everyday discussions rather than confined to isolated echo chambers. We propose a two-stage computational framework. First, we fine-tune RoBERTa-large to classify messages as conspiratorial or not, achieving an F1-score of 0.866 on 2,000 expert-labeled messages. Second, we build a signed belief graph in which nodes represent messages and edge signs reflect alignment in belief labels, weighted by textual similarity. We introduce a Signed Belief Graph Neural Network (SiBeGNN) that uses a Sign Disentanglement Loss to learn embeddings that separate ideological alignment from stylistic features. Using hierarchical clustering on these embeddings, we identify seven narrative archetypes across 553,648 messages: legal topics, medical concerns, media discussions, finance, contradictions in authority, group moderation, and general chat. SiBeGNN yields stronger clustering quality (cDBI = 8.38) than baseline methods (13.60 to 67.27), supported by 88 percent inter-rater agreement in expert evaluations. Our analysis shows that conspiratorial messages appear not only in clusters focused on skepticism or distrust, but also within routine discussions of finance, law, and everyday matters. These findings challenge common assumptions about online radicalization by demonstrating that conspiratorial discourse operates within ordinary social interaction. The proposed framework advances computational methods for belief-driven discourse analysis and offers applications for stance detection, political communication studies, and content moderation policy.
• Abstract（参考訳）: 陰謀論はますますデジタルコミュニケーションのエコシステムに埋め込まれているが、その構造と普及は研究が難しいままである。 本研究はシンガポールのTelegramグループにおける陰謀的物語を分析し,孤立したエコー室に限らず日常的な議論に織り込まれていることを示す。 本稿では,2段階の計算フレームワークを提案する。 まず、RoBERTa-largeを微調整して、2,000のエキスパートラベル付きメッセージに対して、F1スコアの0.866を達成する。 第二に、署名された信念グラフを構築し、ノードはメッセージを表し、エッジサインはテキストの類似性によって重み付けられた信念ラベルのアライメントを反映する。 そこで我々は,シBeGNN (Signed Belief Graph Neural Network) を導入し,シBeGNN (Sign Disentanglement Loss) を用いて,イデオロギー的アライメントとスタイル的特徴を分離した埋め込みを学習する。 埋め込みの階層的クラスタリングを用いて,法的トピック,医学的関心事,メディアの議論,金融,権威の矛盾,グループモデレーション,一般的なチャットという,553,648のメッセージにまたがる7つの物語的アーキタイプを識別する。 SiBeGNNは基準法(13.60 - 67.27)よりもクラスタリング品質(cDBI = 8.38)が強く、専門家評価において88%の合意で支持されている。 分析の結果,懐疑論や不信に焦点をあてたクラスタだけでなく,財務,法律,日常生活の日常的な議論にも,陰謀的メッセージが現れることがわかった。 これらの知見は、通常の社会的相互作用の中で、共謀的談話が機能することを示すことによって、オンライン過激化に関する一般的な仮定に挑戦する。 提案フレームワークは,信念駆動型談話分析のための計算手法を進歩させ,スタンス検出,政治コミュニケーション研究,コンテンツモデレーション政策に応用する。

関連論文リスト

• Fine-grained Narrative Classification in Biased News Articles [10.412867371293629]
  本稿では, 偏りのあるニュース記事において, よりきめ細かな物語分類を提案する。 また、物語分類の先駆的課題として記事バイアス分類についても検討する。 InDI-PROPはイデオロギー的に基礎を成した最初の詳細な物語データセットである。
  論文  参考訳（メタデータ） (2025-12-03T09:07:52Z)
• Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
  ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
  論文  参考訳（メタデータ） (2025-10-16T20:30:20Z)
• ConspirED: A Dataset for Cognitive Traits of Conspiracy Theories and Large Language Model Safety [87.90209836101353]
  コンスピレーション(Conspired)は、一般的な認知特性に注釈を付けた最初の陰謀的内容のデータセットである。 我々は,比較的特徴を識別し,テキスト抽出において支配的特徴を決定する計算モデルを開発した。 我々は,大規模言語/推論モデル (LLM/LRM) を補間入力に対して頑健性を評価する。
  論文  参考訳（メタデータ） (2025-08-28T06:39:25Z)
• 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)
• What distinguishes conspiracy from critical narratives? A computational analysis of oppositional discourse [42.0918839418817]
  本稿では,陰謀と批判的テキストを区別する,トピックに依存しない新しいアノテーション手法を提案する。 また、Telegramメッセージの高品質なアノテーションを含む多言語XAI-DisInfodemics corpus(英語とスペイン語)にも貢献する。
  論文  参考訳（メタデータ） (2024-07-15T14:18:47Z)
• Unveiling Social Media Comments with a Novel Named Entity Recognition System for Identity Groups [2.5849042763002426]
  我々はアイデンティティグループのための名前付きエンティティ認識(NER)システムを開発した。 我々のツールは、文が攻撃を含むかどうかを検知するだけでなく、上記のグループに対応する文トークンもタグ付けする。 ソーシャルメディアに関するケーススタディで,Facebookのコメントを注釈付けし,IDグループに言及するニュースに関連するコメントと比較し,ツールの有用性を検証した。
  論文  参考訳（メタデータ） (2024-05-13T19:33:18Z)
• Public Wisdom Matters! Discourse-Aware Hyperbolic Fourier Co-Attention for Social-Text Classification [27.884015521888458]
  ヒュッフェン(Hyphen)は、双曲型スペクトルコアテンションネットワークである。 その結果,Hyphenは10のベンチマークデータセットに対して,最先端の結果を得ることができた。
  論文  参考訳（メタデータ） (2022-09-15T16:04:32Z)
• Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
  同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。 同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。 我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
  論文  参考訳（メタデータ） (2021-06-15T20:55:55Z)
• Discourse Parsing of Contentious, Non-Convergent Online Discussions [0.16311150636417257]
  対話論のバフティニア理論に着想を得て,新しい理論と計算の枠組みを提案する。 我々は,分散戦略の階層を反映する新しい談話アノテーションスキーマを開発した。 議論のないオンライン議論の最初のラベル付きデータセットを共有します。
  論文  参考訳（メタデータ） (2020-12-08T17:36:39Z)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)

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。