論文の概要: The Enforcement and Feasibility of Hate Speech Moderation on Twitter

• arxiv url: http://arxiv.org/abs/2604.12289v1
• Date: Tue, 14 Apr 2026 05:01:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.249971
• Title: The Enforcement and Feasibility of Hate Speech Moderation on Twitter
• Title（参考訳）: Twitterにおけるヘイトスピーチモデレーションの実施と実現可能性
• Authors: Manuel Tonneau, Dylan Thurgood, Diyi Liu, Niyati Malhotra, Victor Orozco-Olvera, Ralph Schroeder, Scott A. Hale, Manoel Horta Ribeiro, Paul Röttger, Samuel P. Fraiberger,
• Abstract要約: Twitter(現X)におけるヘイトスピーチモデレーションのグローバル監査を実施している。 投稿から5カ月後、ヘイトフルツイートの80%はオンラインに残っており、暴力的なヘイトスピーチも含まれている。 完全自動検出システムは、大量の偽陽性を発生させることなく、ヘイトスピーチを確実に識別することはできない。 ヘイトスピーチに対するユーザーの露出を減らすことは、既存の規制上の罰則を下回るコストで経済的に実現可能である。
• 参考スコア（独自算出の注目度）: 15.490821707603034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online hate speech is associated with substantial social harms, yet it remains unclear how consistently platforms enforce hate speech policies or whether enforcement is feasible at scale. We address these questions through a global audit of hate speech moderation on Twitter (now X). Using a complete 24-hour snapshot of public tweets, we construct representative samples comprising 540,000 tweets annotated for hate speech by trained annotators across eight major languages. Five months after posting, 80% of hateful tweets remain online, including explicitly violent hate speech. Such tweets are no more likely to be removed than non-hateful tweets, with neither severity nor visibility increasing the likelihood of removal. We then examine whether these enforcement gaps reflect technical limits of large-scale moderation systems. While fully automated detection systems cannot reliably identify hate speech without generating large numbers of false positives, they effectively prioritize likely violations for human review. Simulations of a human-AI moderation pipeline indicate that substantially reducing user exposure to hate speech is economically feasible at a cost below existing regulatory penalties. These results suggest that the persistence of online hate cannot be explained by technical constraints alone but also reflects institutional choices in the allocation of moderation resources.
• Abstract（参考訳）: オンラインヘイトスピーチは実質的な社会的損害と結びついているが、プラットフォームがヘイトスピーチポリシーをどのように実施するか、大規模に実施可能かどうかは不明だ。 我々は、Twitter(現在X)でヘイトスピーチのモデレーションの世界的な監査を通じて、これらの疑問に対処する。 公開ツイートの完全な24時間スナップショットを用いて、8つの主要言語で訓練されたアノテータによってヘイトスピーチに注釈付けされた54万のツイートからなる代表サンプルを構築した。 投稿から5カ月後、ヘイトフルツイートの80%はオンラインに残っており、暴力的なヘイトスピーチも含まれている。 このようなツイートは、憎しみのないツイートほど削除されそうになく、深刻さも可視性も削除の可能性を高めない。 次に、これらの強制的ギャップが大規模モデレーションシステムの技術的限界を反映しているかどうかを検討する。 完全自動検出システムは、大量の偽陽性を発生させることなく、ヘイトスピーチを確実に識別することはできないが、人間のレビューにおいて、潜在的に違反を優先する。 人間とAIのモデレーションパイプラインのシミュレーションは、ヘイトスピーチに対するユーザーの露出を著しく減らすことは、既存の規制上の罰よりもコストで経済的に実現可能であることを示している。 これらの結果から,オンライン憎悪の持続性は技術的制約だけでは説明できないが,モデレーション資源の配分における制度的選択を反映していることが示唆された。

関連論文リスト

• HatePRISM: Policies, Platforms, and Research Integration. Advancing NLP for Hate Speech Proactive Mitigation [67.69631485036665]
  我々は3つの観点からヘイトスピーチ規制と戦略を総合的に検討する。 以上の結果から,ヘイトスピーチ定義や地域ごとのモデレーション慣行に重大な矛盾があることが判明した。 自動ヘイトスピーチモデレーションのための統合フレームワークのさらなる検討のためのアイデアと研究の方向性を提案する。
  論文  参考訳（メタデータ） (2025-07-06T11:25:23Z)
• Demarked: A Strategy for Enhanced Abusive Speech Moderation through Counterspeech, Detoxification, and Message Management [71.99446449877038]
  本研究では, 重度尺度, (ii) ターゲットの存在, (iii) 文脈尺度, (iv) 法的尺度の4つの側面を基礎として, より包括的手法であるDemarcation scoreing abusive speechを提案する。 本研究は,ネット上での虐待的スピーチを効果的に解決するための今後の戦略を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2024-06-27T21:45:33Z)
• Towards Legally Enforceable Hate Speech Detection for Public Forums [29.225955299645978]
  本研究では,ヘイトスピーチ検出のための新たな視点と課題を紹介する。 法の専門家による11の可能な定義に違反したデータセットを使用します。 ヘイトスピーチの明確で法的に強制可能なインスタンスを特定することの難しさを踏まえ、専門家が作成したサンプルと自動マイニングされたチャレンジセットでデータセットを拡張する。
  論文  参考訳（メタデータ） (2023-05-23T04:34:41Z)
• CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network [52.85130555886915]
  CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。 我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
  論文  参考訳（メタデータ） (2023-03-02T17:30:43Z)
• Manipulating Twitter Through Deletions [64.33261764633504]
  Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。 ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。 少数のアカウントが毎日大量のツイートを削除していることがわかった。 まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。 第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
  論文  参考訳（メタデータ） (2022-03-25T20:07:08Z)
• Hate Speech Classification Using SVM and Naive BAYES [0.0]
  多くの国は、オンラインヘイトスピーチを避けるための法律を開発した。 しかし、オンラインコンテンツが成長を続けるにつれ、ヘイトスピーチが広まる。 ヘイトスピーチを検出して削除するために、オンラインユーザーコンテンツを自動的に処理することが重要である。
  論文  参考訳（メタデータ） (2022-03-21T17:15:38Z)
• Addressing the Challenges of Cross-Lingual Hate Speech Detection [115.1352779982269]
  本稿では,低リソース言語におけるヘイトスピーチ検出を支援するために,言語間移動学習に着目した。 言語間単語の埋め込みを利用して、ソース言語上でニューラルネットワークシステムをトレーニングし、ターゲット言語に適用します。 本研究では,ヘイトスピーチデータセットのラベル不均衡の問題について検討する。なぜなら,ヘイトサンプルと比較して非ヘイトサンプルの比率が高いことがモデル性能の低下につながることが多いからだ。
  論文  参考訳（メタデータ） (2022-01-15T20:48:14Z)
• Retweet communities reveal the main sources of hate speech [0.6999740786886536]
  高度なディープラーニングを導入し,高品質なヘイトスピーチ分類モデルを構築した。 リツイートネットワークを作成し、コミュニティを検出し、時間を通してその進化を監視します。 ヘイトスピーチは、政治的、イデオロギー的な問題に関連する攻撃的なツイートによって支配されている。 受け入れがたいツイートの約60%は、中程度のサイズの1つの右翼コミュニティによって生成される。
  論文  参考訳（メタデータ） (2021-05-31T11:43:19Z)
• Countering hate on social media: Large scale classification of hate and counter speech [0.0]
  憎しみに満ちたレトリックは、オンラインの議論をかき立て、極端な社会運動を育み、現実世界の暴力を引き起こす可能性がある。 潜在的な解決策は、市民が憎悪に満ちた会話を積極的に行い、市民の非分極的な言論を復活させようとする市民生成の対決演説である。 ここではドイツのユニークな状況を利用して、オンラインヘイトとカウンタースピーチの組織化に従事した。 我々は,様々な段落埋め込みと正規化ロジスティック回帰関数を組み合わさったアンサンブル学習アルゴリズムを用いて,これらの2つのグループから集めた何百万もの関連ツイートのコーパスにおいて,ヘイトとカウンタースピーチの両方を分類した。
  論文  参考訳（メタデータ） (2020-06-02T23:12:52Z)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)

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。