論文の概要: Examining the Utility of Self-disclosure Types for Modeling Annotators of Social Norms

• arxiv url: http://arxiv.org/abs/2512.16034v1
• Date: Wed, 17 Dec 2025 23:32:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.855631
• Title: Examining the Utility of Self-disclosure Types for Modeling Annotators of Social Norms
• Title（参考訳）: 社会的ノルムのアノテーションモデリングにおける自己開示型の有用性の検討
• Authors: Kieran Henderson, Kian Omoomi, Vasudha Varadarajan, Allison Lahnala, Charles Welch,
• Abstract要約: 我々は、自己開示文を分類し、それをアノテータモデルの構築に利用し、社会的規範の判断を予測する。 人口統計学は態度や関係、経験よりも影響が大きいことがわかりました。 より多様なアノテータの自己開示のサンプルを持つことは、最高のパフォーマンスをもたらす。
• 参考スコア（独自算出の注目度）: 6.832418544504687
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work has explored the use of personal information in the form of persona sentences or self-disclosures to improve modeling of individual characteristics and prediction of annotator labels for subjective tasks. The volume of personal information has historically been restricted and thus little exploration has gone into understanding what kind of information is most informative for predicting annotator labels. In this work, we categorize self-disclosure sentences and use them to build annotator models for predicting judgments of social norms. We perform several ablations and analyses to examine the impact of the type of information on our ability to predict annotation patterns. We find that demographics are more impactful than attitudes, relationships, and experiences. Generally, theory-based approaches worked better than automatic clusters. Contrary to previous work, only a small number of related comments are needed. Lastly, having a more diverse sample of annotator self-disclosures leads to the best performance.
• Abstract（参考訳）: 近年,個人特性のモデリングやアノテータラベルによる主観的タスクの予測を改善するために,ペルソナ文や自己開示形式での個人情報の利用が検討されている。 個人情報の量は歴史的に制限されているため、アノテータラベルを予測する上でどのような情報が最も有益なのかを理解することはほとんどない。 本研究では、自己開示文を分類し、それを用いて、社会的規範の判断を予測するための注釈モデルを構築する。 我々は,情報の種類がアノテーションパターンの予測能力に与える影響を調べるために,いくつかのアブリケーションと分析を行う。 人口統計学は態度や関係、経験よりも影響が大きいことがわかりました。 一般に、理論に基づくアプローチは自動クラスタよりもうまく機能した。 以前の作業とは対照的に,関連するコメントはごく少数のみである。 最後に、より多様なアノテータの自己開示サンプルを持つことは、最高のパフォーマンスをもたらす。

関連論文リスト

• More Similar than Dissimilar: Modeling Annotators for Cross-Corpus Speech Emotion Recognition [10.184056098238765]
  本研究では,前述したアノテータを同定するために,大面積のアノテータに事前学習したモデルを用いて,アノテータ間の類似性を活用することを提案する。 われわれのアプローチは、他の既成のアプローチよりも大幅に優れており、軽量な感情適応の道を開いた。
  論文  参考訳（メタデータ） (2025-09-15T15:52:09Z)
• iNews: A Multimodal Dataset for Modeling Personalized Affective Responses to News [25.367927300697424]
  iNewsは、ニュースコンテンツに対するパーソナライズされた感情反応のモデリングを容易にするために設計された、新しいデータセットである。 当社のデータセットは、英国の主要メディアの2,899件のマルチモーダルなFacebookニュース投稿に対して、291件の英国住民のアノテーションで構成されています。
  論文  参考訳（メタデータ） (2025-03-05T10:09:53Z)
• AutoElicit: Using Large Language Models for Expert Prior Elicitation in Predictive Modelling [53.54623137152208]
  我々はAutoElicitを導入し、大規模言語モデルから知識を抽出し、予測モデルのための事前構築を行う。 これらの先行情報は情報的であり、自然言語を用いて洗練できることを示す。 AutoElicitは、非形式的な事前よりもエラーを大幅に減らし、ラベルを減らし、コンテクスト内学習を一貫して上回ります。
  論文  参考訳（メタデータ） (2024-11-26T10:13:39Z)
• Capturing Perspectives of Crowdsourced Annotators in Subjective Learning Tasks [9.110872603799839]
  監督された分類は、人間によって注釈付けされたデータセットに大きく依存する。 毒性分類などの主観的なタスクでは、これらのアノテーションはラッカー間での合意が低くなることが多い。 本研究では、主観的分類タスクのためのtextbfAnnotator Awares for Texts (AART) を提案する。
  論文  参考訳（メタデータ） (2023-11-16T10:18:32Z)
• When the Majority is Wrong: Modeling Annotator Disagreement for Subjective Tasks [45.14664901245331]
  ヘイトスピーチの検出における重要な問題は、ある声明が人口集団に対して攻撃的であるかどうかを決定することである。 我々は、潜在的に攻撃的なテキストに基づいて、個々のアノテータ評価を予測するモデルを構築した。 その結果、アノテータの評価は、その人口統計情報とオンラインコンテンツに関する意見を用いて予測できることがわかった。
  論文  参考訳（メタデータ） (2023-05-11T07:55:20Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Unifying Data Perspectivism and Personalization: An Application to Social Norms [10.480094567764606]
  13kのアノテーションと210kの社会的規範の判断による対立に関するソーシャルメディア投稿のコーパスについて検討する。 本稿では,アノテータのモデリングにパーソナライズ手法を適用し,社会的規範の知覚を予測する上での有効性を比較した。
  論文  参考訳（メタデータ） (2022-10-26T07:43:26Z)
• Synthetic Model Combination: An Instance-wise Approach to Unsupervised Ensemble Learning [92.89846887298852]
  ラベル付きデータのトレーニングセットから学ぶ機会のない、新しいテストデータに対する予測を検討する。 専門家モデルのセットと予測へのアクセスと、トレーニングに使用するデータセットに関する制限された情報を提供すること。
  論文  参考訳（メタデータ） (2022-10-11T10:20:31Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)

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。