論文の概要: Coping in Crisis: Computational Modeling of Coping Styles in Digital Crisis Discourse During the 2023 Turkiye Earthquake

• arxiv url: http://arxiv.org/abs/2606.14420v1
• Date: Fri, 12 Jun 2026 12:57:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.904378
• Title: Coping in Crisis: Computational Modeling of Coping Styles in Digital Crisis Discourse During the 2023 Turkiye Earthquake
• Title（参考訳）: 危機におけるコーピング:2023年トルコ地震におけるデジタル危機談話におけるコーピングスタイルの数値モデリング
• Authors: Şevval Çakıcı,
• Abstract要約: この研究は、2023年2月6日のトルコ地震の余波に投稿されたトルコ語ツイートを100万件以上利用している。 我々は,理論上動機付けられた4つの危機段階にわたる3つの対処スタイルを検出するための多ラベルBERTurkを開発した。 問題に焦点を絞った対処が緊急フェーズを支配し、急激に減少し、感情に焦点を絞った対処が増加し、安定し、意味作りは単調に増大する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How do people cope when disaster strikes and can we detect it at scale, in real time, from what they write? This study addresses that question using over one million Turkish-language tweets posted in the aftermath of the February 6, 2023 earthquake in Turkiye, which unfolded in a deeply polarized political context just months before a national election. Drawing on Lazarus and Folkman's (1984) coping theory, we develop a multi-label BERTurk classifier to detect three coping styles (problem-focused, emotion-focused, and meaning-making) across four theoretically motivated crisis phases. BERTurk achieves a macro F1 of 0.693, substantially outperforming a zero-shot mDeBERTa baseline (macro F1 = 0.324). Applied to the full corpus, the classifier reveals a clear temporal trajectory: problem-focused coping dominates the urgency phase and declines sharply, emotion-focused coping rises and stabilizes, and meaning-making increases monotonically. Anger correlates most strongly with meaning-making (Spearman r = 0.387), suggesting it functions as a mobilizing force toward blame attribution rather than practical action. These findings demonstrate that coping theory can be reliably operationalized in real-world digital crisis data and that doing so can help humanitarian organizations tailor their responses to where a population actually is.
• Abstract（参考訳）: 災害の被害にどう対処したらいいのか、それをリアルタイムで検出できるのか? この調査は、2023年2月6日のトルコ地震の余波で投稿されたトルコ語ツイート100万件以上を使って、国政選挙の数ヶ月前に政治情勢が極端に分極化していた問題に対処するものだ。 Lazarus and Folkman's coping theory (1984)に基づいて、我々は4つの理論的に動機づけられた危機段階の3つの対処スタイル(プロブレム、感情、意味決定)を検出するマルチラベルBERTurk分類器を開発した。 BERTurkは0.693のマクロF1を達成し、ゼロショットのmDeBERTaベースライン(マクロF1 = 0.324)を大幅に上回る。 問題中心の対処は緊急フェーズを支配し、急激に減少し、感情中心の対処は増加し、安定し、意味作りは単調に増大する。 アンガーは意味作りと最も強く関連している(スピアマン r = 0.387)。 これらの結果は、対処理論が現実世界のデジタル危機データの中で確実に運用可能であることを示し、それが人道的組織が実際に人口が存在する場所に対する反応を調整するのに役立ちます。

関連論文リスト

• Interpretable Crisis Behavior Analysis Using Mobility and Social Media Data [0.981328290471248]
  本稿では,モビリティとソーシャルメディアデータを統合して,危機時のドメイン間行動パターンを識別する,統一的で解釈可能なパイプラインを提案する。 このフレームワークは、2025年1月のロサンゼルスの山火事(原型)の短期水平分析と、2020年3月から2021年12月までのUAE COVID-19の行動の経時的分析という2つのケーススタディを通じて評価されている。
  論文  参考訳（メタデータ） (2026-06-08T14:16:36Z)
• The Algorithmic Caricature: Auditing LLM-Generated Political Discourse Across Crisis Events [1.0666869578393299]
  9つの危機イベントにまたがって1,789,406件のコーパスを構築した。 各事象について、同じ文脈で生成された合成談話と、社会的プラットフォームからの観察された談話を比較した。 イベント全体を通じて、合成談話は流動的であるが、人口レベルでは非現実的である。
  論文  参考訳（メタデータ） (2026-05-12T17:42:03Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Structural Stress and Learned Helplessness in Afghanistan: A Multi-Layer Analysis of the AFSTRESS Dari Corpus [0.0]
  AFSTRESSは、ダリで初の自己報告型ストレス物語の多ラベルコーパスである。 アフガニスタンの個人から収集された737の回答が、現在進行中の人道的危機の中で含まれている。
  論文  参考訳（メタデータ） (2026-03-28T11:04:53Z)
• Detecting Narrative Shifts through Persistent Structures: A Topological Analysis of Media Discourse [0.0]
  本研究では,メディア物語の構造変化を永続的ホモロジーを用いて同定するためのトポロジ的枠組みを提案する。 進化する言説を追究するために,名詞句の日次共起グラフを構築した。 We compute Wasserstein distances and persistence entropies across homological dimensions to capture semantic disrupt。
  論文  参考訳（メタデータ） (2025-06-14T21:02:17Z)
• Evaluating Large Language Models in Crisis Detection: A Real-World Benchmark from Psychological Support Hotlines [5.249698789320767]
  PsyCrisisBenchは、Hangzhou Psychological Assistance Hotlineの540の注釈付きテキストのベンチマークである。 気分認識、自殺の考えの検出、自殺計画の特定、リスクアセスメントの4つの課題を評価する。 QwQ-32Bのようなオープンソースモデルは、ほとんどのタスクにおいてクローズソースと互換性があるが、クローズドモデルはムード検出においてエッジを保持していた。
  論文  参考訳（メタデータ） (2025-06-02T05:18:24Z)
• DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet Classification via Memory Bank [52.20298962359658]
  危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。 完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。 半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。 本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
  論文  参考訳（メタデータ） (2023-10-23T05:25:51Z)
• The MuSe 2022 Multimodal Sentiment Analysis Challenge: Humor, Emotional Reactions, and Stress [71.06453250061489]
  マルチモーダル・センチメント・アナリティクス・チャレンジ(MuSe 2022)は、マルチモーダル・センチメントと感情認識に重点を置いている。 今年の課題では、(i)ドイツサッカーコーチの音声-視覚的記録を含むPassau Spontaneous Football Coach Humorデータセット、(ii)ドイツサッカーコーチのユーモアの存在をラベル付けしたHum-Reactionデータセット、(ii)感情的表情強度に対して個人の反応が注釈付けされたHum-Reactionデータセット、(iii)ストレス的態度における人々の継続的な感情的価値観をラベル付けした音声-視覚的データからなるUlm-Trier Social Stress Testデータセットの3つのデータセットを特徴としている。
  論文  参考訳（メタデータ） (2022-06-23T13:34:33Z)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
  私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。 本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
  論文  参考訳（メタデータ） (2020-04-29T16:17:49Z)

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。