論文の概要: Linguistic Uncertainty and Reply Engagement on X: A Cross-Domain Replication of the Uncertainty-Reply Asymmetry

• arxiv url: http://arxiv.org/abs/2605.16289v1
• Date: Mon, 13 Apr 2026 18:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 12:34:33.859684
• Title: Linguistic Uncertainty and Reply Engagement on X: A Cross-Domain Replication of the Uncertainty-Reply Asymmetry
• Title（参考訳）: X 上の言語的不確かさと応答エンゲージメント:不確かさ-応答非対称性のクロスドメイン重複
• Authors: Mohamed Soufan,
• Abstract要約: ソーシャルメディアでは言語的不確実性は一般的であるが、そのエンゲージメントとの関係は未だに不明である。 我々は、連邦準備制度政策、インフレ、選挙政治に関する2,258の英語ポストを用いて、以前のアラビア語研究で観測された不確実性-応答非対称性が、より広い文脈で再現されるかどうかを検証した。 未確認ポストは、特定のポストよりも平均82%多くの返信を受け取り、ポストやいいね!が増加し、以前の作業で観察された非対称なエンゲージメントパターンを複製する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Linguistic uncertainty is common in social media, but its relationship with engagement remains unclear across languages and topics. Using 2,258 English-language posts on Federal Reserve policy, inflation, and electoral politics collected over three days in April 2026, we test whether the Uncertainty-Reply Asymmetry observed in prior Arabic-language research replicates in a broader context. Posts are classified using a lexicon-based uncertainty framework, with approximately one-third identified as uncertain. Uncertain posts receive 82% more replies on average than certain posts, with smaller increases in reposts and likes, replicating the asymmetric engagement pattern observed in prior work. Regression results confirm a positive and statistically significant association between uncertainty and replies (\b{eta} = 0.126, p = 0.011), equivalent to ~13% higher expected reply engagement, while total engagement shows a positive but weaker association. These findings suggest that linguistic uncertainty systematically increases conversational engagement and may reflect a general interactional mechanism across languages and domains.
• Abstract（参考訳）: ソーシャルメディアでは言語の不確実性は一般的であるが、言語やトピック間でのエンゲージメントとの関係は不明確である。 2026年4月の米連邦準備制度理事会(FRB)の政策、インフレ、選挙政治に関する2,258のポストを用いて、従来アラビア語研究で見られた不確実性-応答不対称性がより広い文脈で再現されているかどうかを検証した。 ポストはレキシコンベースの不確実性フレームワークを使用して分類され、約3分の1が不確実性であると確認されている。 未確認ポストは、特定のポストよりも平均82%多くの返信を受け取り、ポストやいいね!が増加し、以前の作業で観察された非対称なエンゲージメントパターンを複製する。 回帰結果は、不確実性と応答の統計的に有意な相関(\b{eta} = 0.126, p = 0.011)を約13%高い期待応答エンゲージメントと同等とし、総エンゲージメントは正の相関を示すが、より弱い相関を示す。 これらの結果から,言語的不確実性は会話の関与を体系的に増加させ,言語やドメイン間の一般的な相互作用機構を反映する可能性が示唆された。

関連論文リスト

• Retrieval-Augmented Linguistic Calibration [57.41519309308438]
  我々は,言語的信頼度を,文が正しいと認識される確率値の分布としてモデル化する。 Retrieval-Augmented Linguistic truth (RALC)は、信頼性信号を自然言語に伝達する軽量なポストホックパイプラインである。
  論文  参考訳（メタデータ） (2026-05-19T04:31:38Z)
• Walking Through Uncertainty: An Empirical Study of Uncertainty Estimation for Audio-Aware Large Language Models [54.041320081289996]
  音声対応大言語モデル(ALLM)における不確実性推定に関する最初の系統的研究について述べる。 予測エントロピー、長さ正規化エントロピー、意味エントロピー、個別意味エントロピー、P(True)を含む5つの代表的な手法をベンチマークする。 まず、意味レベルと検証ベースの手法は、一般的な音声推論ベンチマークにおけるトークンレベルベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-04-28T12:56:22Z)
• Complementing Self-Consistency with Cross-Model Disagreement for Uncertainty Quantification [41.04503562937318]
  大規模言語モデル(LLM)は、しばしば自信を持って不正確な応答を生成する。 AU(aleatoric uncertainty)を推定するための自己整合性は、モデルが過信されているときに崩壊する。 AUが低い場合, モデル間のセマンティックな不一致が, 正確な解に対して高いことを示す。
  論文  参考訳（メタデータ） (2026-04-18T19:00:27Z)
• Identifying Influential N-grams in Confidence Calibration via Regression Analysis [53.95767806659635]
  回帰法を適用することにより,言語表現が信頼とどのような関係があるかを明らかにする。 我々は,大言語モデル (LLM) が推論に関わる場合,過度に信頼されていることを示す。 性能低下を伴わずに過信表現を単純に抑えることで、信頼度校正が可能であることを明らかにした。
  論文  参考訳（メタデータ） (2026-04-07T11:58:49Z)
• Linguistic Uncertainty and Engagement in Arabic-Language X (formerly Twitter) Discourse [0.0]
  言語的不確実性はソーシャルメディアの一般的な特徴であるが、ユーザエンゲージメントとの関係は未解明のままである。 35日間にわたって投稿されたレバノンに関する16,695のアラビア語ツイートのデータセットを用いて、言語的不確実性を表すツイートが、異なるレベルのエンゲージメントを受けるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-02-14T08:37:54Z)
• Bilingual Bias in Large Language Models: A Taiwan Sovereignty Benchmark Study [0.0]
  大規模言語モデル(LLM)は、多言語的文脈においてますます展開されているが、政治的に敏感なトピックに関する言語間の一貫性はまだ検討されていない。 本稿では,中国(台湾)の主権に関する質問に対して,中国語と英語で質問した17のLSMがどのように反応するかを,体系的なベンチマークで検討する。 我々は、重要な言語バイアス、すなわち、同じモデルがクエリ言語によって実質的に異なる政治的スタンスを生み出す現象を発見した。
  論文  参考訳（メタデータ） (2026-02-06T03:57:21Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)
• Boosting Cross-Lingual Transfer via Self-Learning with Uncertainty Estimation [34.97086123805344]
  最近の多言語事前訓練型言語モデルは、目覚ましいゼロショット性能を実現している。 対象言語のラベルのないデータをさらに活用する自己学習フレームワークを提案する。 我々は,NER(Nond Entity Recognition)とNLI(Natural Language Inference)の2つの言語間タスクについて,40言語を網羅した不確実性で評価した。
  論文  参考訳（メタデータ） (2021-09-01T05:26:46Z)

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。