論文の概要: Manufactured Divisiveness: Decomposing the Hostile Content of Seven Social Media Influence Operations

• arxiv url: http://arxiv.org/abs/2607.14491v1
• Date: Thu, 16 Jul 2026 02:13:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.956689
• Title: Manufactured Divisiveness: Decomposing the Hostile Content of Seven Social Media Influence Operations
• Title（参考訳）: 製造ディバイシブネス:7つのソーシャルメディア影響操作の敵対的内容の分解
• Abstract要約: 「国家が支援する影響行動は、常に「憎悪と毒性の高頻度源」として測定される。」 政府による7つのキャンペーンから25.08万件のツイートが寄せられました。 7つのキャンペーンのうち6つは、1つの憎しみの率がフラットになる3つの体制に分類した。
• 参考スコア（独自算出の注目度）: 8.970269049715933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State-backed influence operations are routinely measured as high-prevalence sources of ``hate'' and ``toxicity.'' We argue those rates rest on a measurement error: the detectors behind them are validated to catch a broader definition inclusive of hostility or divisiveness aimed at an out-group, and so over-attribute hate to content better described as partisan or geopolitical invective. Across 25.08M tweets from seven government-attributed campaigns in the Twitter Information Operations archive (8,275 accounts), we separate hate from the other forms of divisiveness. We first validate a two-prompt LLM-based detector, matching human labels at Cohen's $κ=0.82$, to identify the broader hostility; we then develop an auditable rule, agreeing with an expert at $κ=0.52$, to further classify this content (5,457 posts) into three sub-categories. About 50.1% are identity-based attacks on people, whereas 30.4% are partisan attacks and 19.5% invective against states and their foreign policy. Reporting all of it as hate therefore overstates hate roughly twofold; only 18.7% is both identity-based and dehumanizing or inciting. Six of seven campaigns sort into three regimes that a single ``hate'' rate flattens, namely identity hate (RU-op and IRA, both Russia-attributed), geopolitical invective (both Iran operations), and partisan divisiveness (both Venezuela operations). We call the shared product $manufactured divisiveness$. The line to separate these constructs itself remains unsettled: on the hardest cases three independent human experts agree only moderately (pairwise $κ=0.37$--$0.50$), and the best of nineteen LLM models tops out at $κ=0.601$ against the experts' majority. Our findings can help redefine the study of hate in the context of influence campaigns and broader online discourse.
• Abstract（参考訳）: 国家が支援する影響操作は、「hate」と「`toxicity」の高頻度ソースとして定期的に測定される。 背後の検出器は、敵意や外集団を対象とする分断性を含むより広い定義をつかむために検証されているため、過度に貢献する者は、パルチザン的あるいは地政学的意図としてよりよく説明された内容への満足を嫌う。 Twitterのインフォメーション・オペレーション・アーカイブ(8,275アカウント)にある7つの政府系キャンペーンから25.08万件のツイートが寄せられた。 まず、コーエンのκ=0.82$でヒトのラベルを照合し、より広い敵意を識別し、その後監査可能なルールを開発し、κ=0.52$で専門家と合意し、この内容(5,457ポスト)を3つのサブカテゴリに分類する。 約50.1%は個人による攻撃であり、30.4%は党派攻撃であり、19.5%は国家とその外交政策に対する報復である。 これら全てを憎しみであると報告しているため、過大国は概して2倍の憎悪を抱いている。 7つのキャンペーンのうち6つは、1つの「hate」レートが平坦な3つの体制、すなわちアイデンティティ・ヘイト(RU-opとIRA、どちらもロシアが所属)、地政学的対流(イランの作戦)、パルチザンの分断(ベネズエラの作戦)である。 私たちは共有製品の$manufactured divisiveness$と呼んでいる。 最も難しいケースでは、3人の独立した人間の専門家が適度に同意する(少なくとも$κ=0.37$--0.50$)し、19のLCMモデルのうち最高のものは、専門家の多数派に対して$κ=0.601$である。 私たちの発見は、インフルエンスキャンペーンやより広範なオンライン談話の文脈でヘイトの研究を再定義するのに役立ちます。

関連論文リスト

• Cultural Targets, Structural Frames, Binding Morals: A Cross-Lingual Audit of Online Hate in Multicultural Singapore [8.970269049715933]
  シンガポールを中心とする2025年のFacebook、Reddit、YouTubeのコーパス(31.0万項目; 1.76万コメントが11のアイデンティティーグループに言及)から、私たちは8つのオープンな大規模言語モデルを、人間による補償金セットに対するヘイトアノテーターとしてベンチマークした。 コミュニティが嫌いなものから、それが嫌いな理由へと移行するにつれて、言語間の相違は単調に減少します。
  論文  参考訳（メタデータ） (2026-06-20T11:21:05Z)
• 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)
• 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)
• Affective Polarization Amongst Swedish Politicians [0.0]
  本研究では,2021年から2023年までのスウェーデンの政治家のTwitter上での感情分極について検討した。 グループ内が党レベルで定義されると、否定的な党派が圧倒的に支配的になる。 否定的な党派は、オンラインの可視性にとって戦略的選択であることを証明し、3.18以上のお気に入りと1.69以上のリツイートを惹きつける。
  論文  参考訳（メタデータ） (2025-03-20T14:40:48Z)
• The Persistence of Contrarianism on Twitter: Mapping users' sharing habits for the Ukraine war, COVID-19 vaccination, and the 2022 Midterm Elections [3.776540359831043]
  われわれは、新型コロナウイルスのワクチン接種、ウクライナ戦争、2022年の中間選挙に関するTwitterデータの3つのサンプルを比較した。 以上の結果から,公衆衛生の物語・政治に対する反対によって定義された幅広い反トラスト的姿勢の出現が示唆された。 われわれは、Twitterユーザーの間でイデオロギー的に一貫性のあるクロスオブジェクトのスタンスの存在を確認するが、右派政治的指向とは正反対である。
  論文  参考訳（メタデータ） (2024-06-23T18:01:45Z)
• Exploring Boundaries and Intensities in Offensive and Hate Speech: Unveiling the Complex Spectrum of Social Media Discourse [16.99659597567309]
  本稿では,3つのタスクに対して8,258のツイートをアノテートしたAmharicのベンチマークデータセットを提案する。 私たちの研究は、ほとんどのツイートが攻撃的でない、憎悪の度合いの低いレベルに属することを強調しています。 民族的および政治的憎悪の対象の出現は、我々のデータセットに顕著に重複しており、エチオピアの社会政治の景観における複雑な関係を強調している。
  論文  参考訳（メタデータ） (2024-04-18T09:52:50Z)
• What Do Llamas Really Think? Revealing Preference Biases in Language Model Representations [62.91799637259657]
  大規模言語モデル(LLMs)は、応答を辞退しても、社会的な偏見を示すか? 本研究は,文脈的埋め込みを探索し,このバイアスが潜在表現にエンコードされているかどうかを探索することによって検討する。 単語の隠れベクトルからLLMの単語ペア選好を予測するロジスティックなBradley-Terryプローブを提案する。
  論文  参考訳（メタデータ） (2023-11-30T18:53:13Z)
• Russo-Ukrainian War: Prediction and explanation of Twitter suspension [47.61306219245444]
  本研究は、Twitterのサスペンション機構と、これにつながる可能性のあるユーザアカウントの共有コンテンツと機能の分析に焦点を当てる。 Twitter APIを使って、980万人のユーザーから生まれた107.7万のツイートを含むデータセットを入手しました。 この結果から、Bitcoin詐欺、スパム、広告キャンペーンに対するロシアとウクライナの紛争に関するトレンドを生かした詐欺キャンペーンが明らかになった。
  論文  参考訳（メタデータ） (2023-06-06T08:41:02Z)
• Computational Assessment of Hyperpartisanship in News Titles [55.92100606666497]
  われわれはまず、超党派ニュースタイトル検出のための新しいデータセットを開発するために、人間の誘導する機械学習フレームワークを採用する。 全体的に右派メディアは比例的に超党派的なタイトルを使う傾向にある。 我々は、外国問題、政治システム、ニュースタイトルにおける過党主義を示唆する社会問題を含む3つの主要なトピックを識別する。
  論文  参考訳（メタデータ） (2023-01-16T05:56:58Z)
• Placing M-Phasis on the Plurality of Hate: A Feature-Based Corpus of Hate Online [18.973398187389083]
  我々は、移民関連のニュース記事から収集した9万のドイツ語とフランス語のユーザーコメントのコーパスであるM-Phasis corpusを提示する。 これは "hate"-"neutral" の二分法を超越し、代わりに23の特徴で注釈付けされ、様々な種類の音声の記述子となる。
  論文  参考訳（メタデータ） (2022-04-28T10:36:49Z)
• Millions of Co-purchases and Reviews Reveal the Spread of Polarization and Lifestyle Politics across Online Markets [68.8204255655161]
  多様な市場において,異なる製品セグメントにおける分極とライフスタイル政治の広範性について検討する。 政治的に関連性があり、整列し、偏極化した製品カテゴリーを見つけるために、218万の市場組織間で236万の関連をサンプリングした。 文化製品は他のどの部分よりも4倍偏光度が高い。
  論文  参考訳（メタデータ） (2022-01-17T18:16:37Z)
• Hate versus Politics: Detection of Hate against Policy makers in Italian tweets [0.6289422225292998]
  本稿では,イタリアにおけるTwitterの政策立案者に対するヘイトスピーチの分類問題について論じる。 1264ツイートを収集,注釈し,アノテータ間の不一致事例を調査し,ドメイン内およびドメイン間ヘイトスピーチ分類を行った。 我々は、ROC AUC 0.83の性能を達成し、最も予測可能な属性を分析し、また、反政治家と反移民ドメインで異なる言語特徴を見出した。
  論文  参考訳（メタデータ） (2021-07-12T12:24:45Z)
• 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。