論文の概要: A Natural Language Agentic Approach to Study Affective Polarization

• arxiv url: http://arxiv.org/abs/2603.02711v1
• Date: Tue, 03 Mar 2026 08:02:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.701002
• Title: A Natural Language Agentic Approach to Study Affective Polarization
• Title（参考訳）: 自然言語エージェントによる影響分極の研究
• Authors: Stephanie Anneris Malvicini, Ewelina Gajewska, Arda Derbent, Katarzyna Budzynska, Jarosław A. Chudziak, Maria Vanina Martinez,
• Abstract要約: 影響のある分極は政治や社会研究の中心であり、ソーシャルメディアに注目が集まっている。 ソーシャルメディアにおける情緒的偏光の研究に包括的アプローチを提供するマルチエージェントモデルを提案する。 エージェントが議論を行う仮想コミュニティを構築するために,大規模言語モデル(LLM)を活用したプラットフォームを開発する。
• 参考スコア（独自算出の注目度）: 2.6363860776602333
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Affective polarization has been central to political and social studies, with growing focus on social media, where partisan divisions are often exacerbated. Real-world studies tend to have limited scope, while simulated studies suffer from insufficient high-quality training data, as manually labeling posts is labor-intensive and prone to subjective biases. The lack of adequate tools to formalize different definitions of affective polarization across studies complicates result comparison and hinders interoperable frameworks. We present a multi-agent model providing a comprehensive approach to studying affective polarization in social media. To operationalize our framework, we develop a platform leveraging large language models (LLMs) to construct virtual communities where agents engage in discussions. We showcase the potential of our platform by (1) analyzing questions related to affective polarization, as explored in social science literature, providing a fresh perspective on this phenomenon, and (2) introducing scenarios that allow observation and measurement of polarization at different levels of granularity and abstraction. Experiments show that our platform is a flexible tool for computational studies of complex social dynamics such as affective polarization. It leverages advanced agent models to simulate rich, context-sensitive interactions and systematically explore research questions traditionally addressed through human-subject studies.
• Abstract（参考訳）: 影響のある分極は政治や社会研究の中心であり、ソーシャルメディアに注目が集まっており、パルチザンの部門が悪化することがしばしばある。 実世界の研究は限られた範囲を持つ傾向があり、シミュレーションされた研究は、手動のラベル付けが労働集約的であり、主観的偏見の傾向にあるため、高品質なトレーニングデータ不足に悩まされる。 研究間で異なる感情分極の定義を形式化する適切なツールの欠如は、結果の比較を複雑にし、相互運用可能なフレームワークを妨げる。 ソーシャルメディアにおける情緒的偏光の研究に包括的アプローチを提供するマルチエージェントモデルを提案する。 フレームワークを運用するために,大規模言語モデル(LLM)を活用するプラットフォームを開発し,エージェントが議論を行う仮想コミュニティを構築する。 我々は,(1)感情分極に関する質問を分析し,この現象を新たな視点で考察し,(2)粒度や抽象化の異なるレベルでの分極の観察と測定を可能にするシナリオを導入することによって,プラットフォームの可能性を示す。 実験により,我々のプラットフォームは,感情分極などの複雑な社会動態を計算的に研究するための柔軟なツールであることが示された。 高度なエージェントモデルを利用して、リッチでコンテキストに敏感な相互作用をシミュレートし、伝統的に人間の対象研究を通じて解決されてきた研究の問題を体系的に探索する。

関連論文リスト

• Measuring Social Media Polarization Using Large Language Models and Heuristic Rules [0.0]
  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。
  論文  参考訳（メタデータ） (2026-01-02T01:11:58Z)
• 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)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Ethos and Pathos in Online Group Discussions: Corpora for Polarisation Issues in Social Media [6.530320465510631]
  社会の分極化が進み、科学界やニュースメディアの注目を集めた。 本稿では,オンライン上での議論の分極において個人が採用する修辞的戦略を調査することによって,この問題に対処することを提案する。 我々は,アリストテレス・レトリックにおける2つの説得様式である,エトスとパスへのアピールのマニュアルアノテーションを用いた多目的・多プラットフォームコーパスを開発した。
  論文  参考訳（メタデータ） (2024-04-07T09:10:47Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Expanding the Role of Affective Phenomena in Multimodal Interaction Research [57.069159905961214]
  マルチモーダルインタラクション, 感情計算, 自然言語処理において, 選ばれたカンファレンスから16,000以上の論文を調査した。 本論文では,感情関連論文910を同定し,情緒現象の役割について分析した。 我々は、人間の社会的行動や認知状態の機械的理解を高めるために、AIシステムによって感情と感情の予測がどのように使用されるかについて、限られた研究結果を得た。
  論文  参考訳（メタデータ） (2023-05-18T09:08:39Z)
• 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)
• The drivers of online polarization: fitting models to data [0.0]
  エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。 これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。 シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T17:00:41Z)

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。