論文の概要: Measuring Social Media Polarization Using Large Language Models and Heuristic Rules
- arxiv url: http://arxiv.org/abs/2601.00927v1
- Date: Fri, 02 Jan 2026 01:11:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:21.862518
- Title: Measuring Social Media Polarization Using Large Language Models and Heuristic Rules
- Title（参考訳）: 大規模言語モデルとヒューリスティックルールを用いたソーシャルメディア偏光測定
- Authors: Jawad Chowdhury, Rezaur Rashid, Gabriel Terejanu,
- Abstract要約: 本研究では, 気候変動や銃規制など, 様々な話題の議論において, 感情分極を系統的に分析し, 定量化する。
AIによるコンテンツアノテーションとドメインインフォームドスコアを組み合わせることで、私たちのフレームワークは、感情的な偏光を測定するためのスケーラブルで解釈可能なアプローチを提供します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding affective polarization in online discourse is crucial for evaluating the societal impact of social media interactions. This study presents a novel framework that leverages large language models (LLMs) and domain-informed heuristics to systematically analyze and quantify affective polarization in discussions on divisive topics such as climate change and gun control. Unlike most prior approaches that relied on sentiment analysis or predefined classifiers, our method integrates LLMs to extract stance, affective tone, and agreement patterns from large-scale social media discussions. We then apply a rule-based scoring system capable of quantifying affective polarization even in small conversations consisting of single interactions, based on stance alignment, emotional content, and interaction dynamics. Our analysis reveals distinct polarization patterns that are event dependent: (i) anticipation-driven polarization, where extreme polarization escalates before well-publicized events, and (ii) reactive polarization, where intense affective polarization spikes immediately after sudden, high-impact events. By combining AI-driven content annotation with domain-informed scoring, our framework offers a scalable and interpretable approach to measuring affective polarization. The source code is publicly available at: https://github.com/hasanjawad001/llm-social-media-polarization.
- Abstract（参考訳）: オンライン談話における感情分極の理解は、ソーシャルメディアの相互作用の社会的影響を評価する上で重要である。
本研究では,大規模言語モデル(LLMs)とドメインインフォームド・ヒューリスティックス(ドメインインフォームド・ヒューリスティックス)を活用し,気候変動や銃規制といった様々なトピックに関する議論において,感情分極を体系的に分析・定量化する枠組みを提案する。
感情分析や事前定義された分類器に依存する従来の手法とは異なり、我々の手法はLLMを統合して、大規模ソーシャルメディアの議論からスタンス、感情的トーン、合意パターンを抽出する。
次に, 単対一の会話においても, 姿勢アライメント, 感情内容, 相互作用ダイナミクスに基づいて, 感情分極を定量化できるルールベースのスコアリングシステムを提案する。
私たちの分析では、イベント依存の異なる分極パターンが明らかになりました。
一 極性分極が周知の事件の前にエスカレートし、かつ、予測駆動分極
(II)反応分極は突然の高影響事象の直後に激しい情動分極が急上昇する。
AIによるコンテンツアノテーションとドメインインフォームドスコアを組み合わせることで、私たちのフレームワークは、感情的な偏光を測定するためのスケーラブルで解釈可能なアプローチを提供します。
ソースコードは、https://github.com/hasanjawad001/llm-social-media-polarizationで公開されている。
関連論文リスト
- Unveiling Affective Polarization Trends in Parliamentary Proceedings [6.373171949526166]
バレンス、覚醒、支配の尺度を用いて、感情的な言論のシグナルを検出する。
政府構成員の感情的スタイルは、野党構成員の感情と異なることが判明した。
論文 参考訳（メタデータ） (2025-12-04T20:13:43Z) - 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) - BIPOLAR: Polarization-based granular framework for LLM bias evaluation [0.0]
本研究では,大規模言語モデルにおける偏光関連バイアスを評価するために,再利用性,粒度,トピックに依存しないフレームワークを提案する。
我々のアプローチは、偏極感性感情メトリクスと、競合関連文の合成的に生成されたバランスの取れたデータセットを組み合わせる。
ケーススタディでは、ロシアとウクライナの戦争に焦点を当てた合成データセットを作成し、いくつかのLSMのバイアスを評価した。
論文 参考訳（メタデータ） (2025-08-14T20:44:19Z) - Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。
AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。
本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
論文 参考訳（メタデータ） (2025-06-26T16:45:20Z) - Quantifying Polarization: A Comparative Study of Measures and Methods [2.0249250133493195]
社会的分断の鍵を握る政治分極は、オンラインとオフラインの会話を形作る役割について注目を集めている。
本研究は,5つの広く用いられている偏光測定値を評価し,その強度と弱点を合成データセットを用いて検証する。
偏極分布におけるモード検出を改善するために,クラインバーグのバースト検出アルゴリズムの新たな適応法を提案する。
論文 参考訳（メタデータ） (2025-01-13T16:43:23Z) - Emergence of human-like polarization among large language model agents [79.96817421756668]
我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。
人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
論文 参考訳（メタデータ） (2025-01-09T11:45:05Z) - In-Group Love, Out-Group Hate: A Framework to Measure Affective Polarization via Contentious Online Discussions [2.8963943201523796]
我々は、感情的に偏極化されたソーシャルネットワーク内での意思決定をキャプチャする個別選択モデルを導入する。
本稿では,ソーシャルメディアデータから,グループ内愛とグループ外憎悪のキーパラメータを推定する統計的推測手法を提案する。
論文 参考訳（メタデータ） (2024-12-18T23:58:13Z) - Polarity Calibration for Opinion Summarization [46.83053173308394]
極性校正は、出力要約の極性と入力テキストの極性を調整することを目的としている。
本稿では,製品レビューの要約と政治意見記事の要約という,2種類の意見要約タスクをモデルとして評価する。
論文 参考訳（メタデータ） (2024-04-02T07:43:12Z) - Mitigating Framing Bias with Polarity Minimization Loss [56.24404488440295]
偏見バイアスは、実際の出来事の知覚を歪ませることによって政治的分極を悪化させる重要な役割を担っている。
そこで本研究では,フレーミングバイアスを低減するために,偏光入力項目間の極性差を最小限に抑える新たな損失関数を提案する。
論文 参考訳（メタデータ） (2023-11-03T09:50:23Z) - Designing Recommender Systems to Depolarize [0.32634122554913997]
分極は民主主義の侵食と暴力の進行に関係している。
アルゴリズム駆動のソーシャルメディアは、国レベルでの偏光の主要な要因とは思えないが、偏光社会において有用な介入ポイントとなるかもしれない。
本稿では,畳み込み変換を目標としたアルゴリズム的脱分極介入について検討する。
論文 参考訳（メタデータ） (2021-07-11T03:23:42Z)
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。