論文の概要: Directed Social Regard: Surfacing Targeted Advocacy, Opposition, Aid, Harms, and Victimization in Online Media
- arxiv url: http://arxiv.org/abs/2605.00776v1
- Date: Fri, 01 May 2026 16:45:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:29.016059
- Title: Directed Social Regard: Surfacing Targeted Advocacy, Opposition, Aid, Harms, and Victimization in Online Media
- Title（参考訳）: オンラインメディアにおけるターゲット・アドボケート、反対、援助、ハーム、そして被害者の意識
- Authors: Scott Friedman, Ruta Wheelock, Sonja Schmer-Galunder, Drisana Iverson, Jake Vasilakes, Joan Zheng, Jeffrey Rye, Vasanth Sarathy, Christopher Miller,
- Abstract要約: 本稿では,多次元多値感情分析に対するDSR(Directed Social Regard)アプローチを提案する。
本稿では,DSRデータセット構築のためのデータ収集およびアノテーション戦略,スパンレベルスコアリングのためのトランスフォーマーベースアーキテクチャ,有望な結果を伴う検証研究について述べる。
- 参考スコア（独自算出の注目度）: 1.4833474132006794
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The language in online platforms, influence operations, and political rhetoric frequently directs a mix of pro-social sentiment (e.g., advocacy, helpfulness, compassion) and anti-social sentiment (e.g., threats, opposition, blame) at different topics, all in the same message. While many natural language processing (NLP) tools classify or score a text's overall sentiment as positive, neutral, or negative, these tools cannot report that positive and negative sentiments coexist, and they cannot report the target of those sentiments. This paper presents the Directed Social Regard (DSR) approach to multi-dimensional, multi-valence sentiment analysis, comprised of a pair of transformer-based models that (1) detects span-level targets of sentiment in a message and then (2) scores all spans within the message context along three (-1, 1) axes of regard that are motivated by social science theories of moral disengagement and moral framing. We present a data collection and annotation strategy for DSR dataset construction, a transformer-based architecture for span-level scoring, and a validation study with promising results. We apply the validated DSR model on six third-party datasets of online media and report meaningful correlations between DSR outputs and the labels and topics in these pre-existing social science datasets.
- Abstract（参考訳）: オンラインプラットフォームにおける言語、影響力のある操作、政治的レトリックは、しばしば、異なるトピックにおける反社会的感情(例えば、擁護、援助、思いやり)と反社会的感情(例えば、脅威、反対、非難)の混合を、同じメッセージで示します。
多くの自然言語処理(NLP)ツールは、テキスト全体の感情を肯定的、中立的、否定的なものと分類またはスコア付けするが、これらのツールは、肯定的、否定的な感情が共存していると報告することはできず、それらの感情のターゲットを報告することはできない。
本稿では、(1)メッセージ中の感情のスパンレベルを検知し、(2)メッセージコンテキスト内のすべてのスパンを3つの(1,-1)に沿ってスコアするトランスフォーマーモデルからなる、多次元多値感情分析に対するDSR(Directed Social Regard)アプローチを提案する。
1)道徳的離脱と道徳的フレーミングという社会科学理論に動機づけられた敬意の軸。
本稿では,DSRデータセット構築のためのデータ収集およびアノテーション戦略,スパンレベルスコアリングのためのトランスフォーマーベースアーキテクチャ,有望な結果を伴う検証研究について述べる。
検証されたDSRモデルをオンラインメディアの6つのサードパーティデータセットに適用し、既存の社会科学データセットにおけるDSR出力とラベルとトピックの間に有意な相関関係を報告した。
関連論文リスト
- Exploring Indicators of Developers' Sentiment Perceptions in Student Software Projects [2.396425778177418]
本稿では,感情の特徴や状態,生活状況,プロジェクトフェーズ,グループダイナミクスが,ソフトウェア開発におけるテキストベースのメッセージの認識とどのように関係しているかを考察する。
チームベースのソフトウェアプロジェクトにおいて,81名の学生を対象に4回にわたる調査を行った。
論文 参考訳（メタデータ） (2026-03-11T15:16:58Z) - 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) - Operational Validation of Large-Language-Model Agent Social Simulation: Evidence from Voat v/technology [59.63189507373199]
私たちは、2014年から2020年にかけて活動しているRedditのようなオルタナティブなニュースアグリゲータとディスカッションプラットフォームであるVoatをモデルとした技術コミュニティシミュレーションを構築しました。
YSocialフレームワークを使用して、Voatの共有URLからサンプリングされた技術リンクの固定カタログでシミュレーションをシードする。
エージェントは、リンクとテキストの投稿、スレッド化された返信、日々のアクティビティサイクルのためのプラットフォームルールの下で投稿、返信、反応を生成する。
結果は、よく知られたオンライン規則性を示す: 類似の活動リズム、ヘビーテール参加、疎低クラスタリング相互作用ネットワーク、コア周辺構造、Voatとのトピックアライメント、高毒性
論文 参考訳（メタデータ） (2025-08-29T16:06:27Z) - Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。
SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。
SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
論文 参考訳（メタデータ） (2025-05-01T19:06:10Z) - SCRAG: Social Computing-Based Retrieval Augmented Generation for Community Response Forecasting in Social Media Environments [8.743208265682014]
SCRAGは、ソーシャルコンピューティングにインスパイアされた予測フレームワークである。
リアルまたは仮説的なソーシャルメディア投稿に対するコミュニティの反応を予測する。
公開関係の専門家が意図しない誤解を避ける方法でメッセージを作成するために使用することができる。
論文 参考訳（メタデータ） (2025-04-18T15:02:31Z) - Online Social Support Detection in Spanish Social Media Texts [4.110335292722527]
本研究では、スペイン語のソーシャルメディアテキストにおけるオンラインソーシャルサポートを検出するための革新的なアプローチを提案する。
このタスクのために特別に作成された最初の注釈付きデータセットを導入し、サポート的または非サポート的に分類される3,189のYouTubeコメントを含む。
次に、従来の機械学習モデル、ディープラーニングアーキテクチャ、GPT-4oを含むトランスフォーマーベースモデルを用いたソーシャルサポート分類の評価を行った。
論文 参考訳（メタデータ） (2025-02-10T04:04:23Z) - Social Support Detection from Social Media Texts [44.096359084699]
ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。
本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。
我々は1万のYouTubeコメントからなるデータセットで実験を行った。
論文 参考訳（メタデータ） (2024-11-04T20:23:03Z) - Graph Neural Networks for Antisocial Behavior Detection on Twitter [0.0]
反社会的行動のソーシャルメディアの復活は、ステレオタイプ的信念や個人や社会グループに対する憎悪的なコメントに下向きのスパイラルをもたらした。
大量のグラフ構造化データに使用されるグラフニューラルネットワークの進歩は、ソーシャルメディアプラットフォームにおけるコミュニケーションのメディア化の将来への期待を高めている。
グラフ畳み込みデータに基づくアプローチを用いて、異種データ間の依存関係をよりよく把握した。
論文 参考訳（メタデータ） (2023-12-28T00:25:12Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z)
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。