論文の概要: Measuring and Fostering Peace through Machine Learning and Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2601.05232v1
• Date: Thu, 08 Jan 2026 18:57:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.346226
• Title: Measuring and Fostering Peace through Machine Learning and Artificial Intelligence
• Title（参考訳）: 機械学習と人工知能による平和の計測と育成
• Authors: P. Gilda, P. Dungarwal, A. Thongkham, E. T. Ajayi, S. Choudhary, T. M. Terol, C. Lam, J. P. Araujo, M. McFadyen-Mungalln, L. S. Liebovitch, P. T. Coleman, H. West, K. Sieck, S. Carter,
• Abstract要約: 私たちは、機械学習と人工知能を使って、ニュースやソーシャルメディアから国の平和レベルを測定しました。 ニュースメディアでは、オンラインニュースソースのテキスト埋め込みから、ニューラルネットワークを使用して平和のレベルを測定しました。 私たちはChromeエクステンションであるMirrorMirrorを開発し、テストしました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We used machine learning and artificial intelligence: 1) to measure levels of peace in countries from news and social media and 2) to develop on-line tools that promote peace by helping users better understand their own media diet. For news media, we used neural networks to measure levels of peace from text embeddings of on-line news sources. The model, trained on one news media dataset also showed high accuracy when used to analyze a different news dataset. For social media, such as YouTube, we developed other models to measure levels of social dimensions important in peace using word level (GoEmotions) and context level (Large Language Model) methods. To promote peace, we note that 71% of people 20-40 years old daily view most of their news through short videos on social media. Content creators of these videos are biased towards creating videos with emotional activation, making you angry to engage you, to increase clicks. We developed and tested a Chrome extension, MirrorMirror, which provides real-time feedback to YouTube viewers about the peacefulness of the media they are watching. Our long term goal is for MirrorMirror to evolve into an open-source tool for content creators, journalists, researchers, platforms, and individual users to better understand the tone of their media creation and consumption and its effects on viewers. Moving beyond simple engagement metrics, we hope to encourage more respectful, nuanced, and informative communication.
• Abstract（参考訳）: 私たちは機械学習と人工知能を使いました。 1)ニュースやソーシャルメディアから各国の平和度を測定すること 2) 利用者が自身のメディアダイエットをよりよく理解し,平和を促進するオンラインツールを開発する。 ニュースメディアでは、オンラインニュースソースのテキスト埋め込みから、ニューラルネットワークを使用して平和のレベルを測定しました。 あるニュースメディアデータセットでトレーニングされたモデルは、異なるニュースデータセットを分析するために使用する場合、高い精度を示した。 YouTube などのソーシャルメディアでは,単語レベル (GoEmotions) と文脈レベル (Large Language Model) を用いて,平和において重要な社会的次元のレベルを測定するモデルを開発した。 平和を促進するために、毎日20～40歳の人々の71%が、ソーシャルメディアで短いビデオを通してニュースを眺めている。 これらのビデオのコンテンツクリエイターは、感情的なアクティベーションのあるビデオを作ることに偏っている。 私たちはChromeエクステンションであるMirrorMirrorを開発し、テストしました。 私たちの長期的な目標は、MirrorMirrorが、コンテンツクリエーター、ジャーナリスト、研究者、プラットフォーム、そして個々のユーザーのためのオープンソースツールに進化し、メディアの作成と消費のトーンと、その視聴者への影響をよりよく理解することです。 シンプルなエンゲージメントのメトリクスを超えて、より尊敬され、ニュアンスがあり、情報的なコミュニケーションを奨励したいと考えています。

関連論文リスト

• SoMe: A Realistic Benchmark for LLM-based Social Media Agents [64.05026384906915]
  SoMeは、ソーシャルメディアデータにアクセスし分析するための様々なエージェントツールを備えたソーシャルメディアエージェントを評価するために設計されたベンチマークである。 SoMeは8つのソーシャルメディアエージェントタスク、9,164,284の投稿、6,591のユーザープロフィール、さまざまなソーシャルメディアプラットフォームや外部ウェブサイトからの25,686のレポートで構成されている。 定量的,質的な分析により,現実的なソーシャルメディア環境における主流エージェントLLMの性能について概観する。
  論文  参考訳（メタデータ） (2025-12-09T08:36:09Z)
• Media Bias Detector: Designing and Implementing a Tool for Real-Time Selection and Framing Bias Analysis in News Coverage [29.438946779179346]
  私たちは、研究者、ジャーナリスト、ニュース消費者のためのツールであるMedia Bias Detectorを紹介します。 大規模な言語モデルを統合することで、出版者レベルに集約されたニュース記事の話題、トーン、政治的傾向、事実について、ほぼリアルタイムに詳細な洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-09T19:54:31Z)
• Video as the New Language for Real-World Decision Making [100.68643056416394]
  ビデオデータは、言語で表現しにくい物理世界に関する重要な情報をキャプチャする。 ビデオは、インターネットの知識を吸収し、多様なタスクを表現できる統一インターフェースとして機能する。 ロボット工学、自動運転、科学といった分野における大きなインパクトの機会を特定します。
  論文  参考訳（メタデータ） (2024-02-27T02:05:29Z)
• An Interactive Framework for Profiling News Media Sources [26.386860411085053]
  本稿では,ニュースメディアのプロファイリングのためのインタラクティブなフレームワークを提案する。 グラフベースのニュースメディアプロファイリングモデル、事前訓練された大規模言語モデル、人間の洞察の強みを組み合わせる。 人間のインタラクションが5つにも満たないので、我々のフレームワークはフェイクや偏見のあるニュースメディアを素早く検出できる。
  論文  参考訳（メタデータ） (2023-09-14T02:03:45Z)
• 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)
• Learning Double-Compression Video Fingerprints Left from Social-Media Platforms [10.196893054623969]
  そこで我々は,CNNアーキテクチャを提案する。CNNアーキテクチャは動画コンテンツを分析し,動画を生来のソーシャルネットワークに遡る。 実験によると、ビデオだけでなく、画像の精度も非常に高い。
  論文  参考訳（メタデータ） (2022-12-07T14:22:58Z)
• Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
  本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。 ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
  論文  参考訳（メタデータ） (2020-07-16T02:13:55Z)

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。