論文の概要: "Shut Up and Let Me Enjoy My Otome": Understanding and Measuring the Toxicity in Otome Game Communities
- arxiv url: http://arxiv.org/abs/2609.08009v1
- Date: Mon, 07 Sep 2026 21:44:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 19:55:21.021044
- Title: "Shut Up and Let Me Enjoy My Otome": Understanding and Measuring the Toxicity in Otome Game Communities
- Title（参考訳）: 『おとめを喜ばせよ』:おとめゲームコミュニティにおける毒性の理解と測定
- Abstract要約: 社会プラットフォーム全体でのオトメゲームコミュニティにおける毒性の大規模測定を行った。
OtomeSCANは、WeiboとRedditの620,045の投稿を18ヶ月にわたって収集、評価、分析するフレームワークである。
Weiboのオトメ関連投稿の22.20%が有毒であるのに対し、Redditの3.71%は有毒である。
- 参考スコア（独自算出の注目度）: 20.305306682682087
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Otome games, a romance simulation genre primarily targeting female, have emerged as a major force in the global gaming market, attracting hundreds of millions of players and billions in revenue. Despite their popularity, otome game communities face pervasive online toxicity, which has been largely unexplored. In this work, we present the first large-scale measurement of toxicity in otome game communities across social platforms. We introduce OtomeSCAN, a framework for collecting, evaluating, and analyzing 620,045 posts from Weibo and Reddit spanning 18 months. To support robust analysis, we manually annotated a ground-truth dataset of 4,308 posts, identifying eight target groups such as players and game developers. We evaluate seven toxicity detectors on the dataset, including general-purpose models and our proposed LLM-based detectors, with our best model achieving F1-scores of 0.82 (Weibo) and 0.78 (Reddit). Our analysis reveals significant platform-based differences in toxicity: 22.20% of otome-related posts on Weibo are toxic, compared to 3.71% on Reddit. Besides, real-world events like in-community conflicts can rapidly escalate toxicity, with toxicity ratios increasing to 37.09% in just 72 hours during an external attack on Weibo. We also flag 191 potential-coordination clusters in otome game communities, 64.40% of which target game developers, with several accounts participating repeatedly across multiple clusters. We hope our work inspires further research on community-specific toxicity and contributes to building healthier online spaces for marginalized gaming communities.
- Abstract（参考訳）: 主に女性をターゲットとしたロマンスシミュレーションのジャンルであるオトメゲームは、世界のゲーム市場において主要な勢力として登場し、数億人のプレイヤーと数十億ドルの収益を惹きつけている。
その人気にもかかわらず、オトメゲームコミュニティは、ほとんど探索されていない広範囲のオンライン毒性に直面している。
本研究では,ソーシャルプラットフォーム上でのオトメゲームコミュニティにおける毒性の大規模測定について紹介する。
OtomeSCANは18ヶ月にわたるWeiboとRedditの620,045件の投稿を収集し,評価し,分析するフレームワークである。
頑健な分析を支援するため,プレイヤーやゲーム開発者など8つのターゲットグループを識別し,4,308の投稿からなる地中真実のデータセットを手動でアノテートした。
汎用モデルや提案したLCMベースの検出器を含む,データセット上での毒性検出を7つ評価し,F1スコア0.82(Weibo)と0.78(Reddit)のベストモデルを得た。
Weiboのオトメ関連投稿の22.20%が有毒であるのに対し、Redditの3.71%は有毒である。
また、非共生紛争のような現実世界の出来事は毒性を急速にエスカレートし、Weibo攻撃の72時間で毒性比は37.09%まで上昇する。
また、オトメゲームコミュニティ内の191の潜在的なコーディネーションクラスタをフラグし、64.40%がゲーム開発者を対象としており、複数のアカウントが複数のクラスタで繰り返し参加している。
私たちの研究は、コミュニティ固有の毒性に関するさらなる研究を刺激し、より健康的なオンラインスペースの構築に貢献することを願っています。
関連論文リスト
- GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? [65.42976417627254]
ゲーム生成はゲームエンジン内で行われ、スクリプト、シーン、アセット、レンダリング、実行時インタラクションは共同でコヒーレントなゲームプレイを生成する必要がある。
我々は、完全なゲームアーティファクトを生成する問題として、エンド・ツー・エンドのゲーム生成を形式化する。
我々は、このフレームワークを15のゲームファミリーで140のGodotタスクからなるベンチマークであるGameCraft-Benchとしてインスタンス化する。
論文 参考訳（メタデータ） (2026-06-16T12:34:39Z) - MINDGAMES: A Live Arena for Evaluating Social and Strategic Reasoning in Multi-Agent LLMs [54.81359054218573]
大規模言語モデル(LLM)のためのマルチゲームアリーナと評価プラットフォームであるMindgamesを紹介する。
Mindgamesは、統合されたインタラクションインターフェース、TrueSkillベースの評価、および4つのゲーム環境にわたる完全な軌跡ログを提供する。
我々は,決定論的オフライントーナメントプロトコルMG-Refとともに,ターンレベルの観察,アクション,報酬を含む29,571個のマルチエージェントゲームを分析した。
論文 参考訳（メタデータ） (2026-05-28T07:33:47Z) - Toxicity in Twitch Chats: An LLM-Based Analysis Across Gaming Communities [37.781069460376315]
Twitchの7つのジャンルにまたがる4,452のストリームから2000万のチャットメッセージを分析します。
我々は、ゼロショット分類を用いた事前訓練された大規模言語モデルを用いて、Twitchの毒性分類に従ってメッセージを分類する。
分析の結果、全メッセージの2.4%が毒性に分類されており、ジャンルによって顕著な違いがあることがわかった。
論文 参考訳（メタデータ） (2026-05-18T15:29:21Z) - "bot lane noob" Towards Deployment of NLP-based Toxicity Detectors in Video Games [2.003259149008956]
この研究は、ビデオゲームにおける有害性とハラスメントの問題に対処するための基盤を提供する。
L2DTnHには1.4kの有害なメッセージと13.8kの非有害なメッセージが含まれています。
我々はL2DTnHを用いて、NLPに依存した汎用および最先端の毒性検出器の性能を実証的に示す検出器を開発した。
論文 参考訳（メタデータ） (2026-04-11T12:06:25Z) - Reddit Deplatforming and Toxicity Dynamics on Generalist Voat Communities [73.88859384645264]
コミュニティ全体の恒久的な禁止であるデプラットフォームは、主要なプラットフォームでコンテンツモデレーションを行うための主要なツールである。
Redditの4大禁止波(2015-2020)と、Voatの一般コミュニティへの影響を分析した。
論文 参考訳（メタデータ） (2025-12-26T19:13:45Z) - Self-Anchored Attention Model for Sample-Efficient Classification of Prosocial Text Chat [44.52122332148653]
本研究は,ゲーム内チャットにおけるソーシャル行動の発見と分類にNLP技術を適用した新しい研究である。
これは、モデレーションの焦点を単に毒性を罰することから、オンラインプラットフォームにおける積極的なポジティブな相互作用へとシフトさせるのに役立つ。
論文 参考訳（メタデータ） (2025-06-10T21:40:54Z) - Uncovering the Viral Nature of Toxicity in Competitive Online Video Games [0.4681661603096334]
フリー・ツー・プレイのアクションゲーム『Call of Duty: Warzone』のプロプライエタリなデータを分析した。
選手のチームメイトが有毒なスピーチを行う確率は、平均的な選手が有毒なスピーチを行う確率の26.1倍から30.3倍になる。
論文 参考訳（メタデータ） (2024-10-01T18:07:06Z) - Towards Detecting Contextual Real-Time Toxicity for In-Game Chat [5.371337604556311]
ToxBusterはスケーラブルなモデルで、チャット履歴とメタデータを含むチャットの行に対して、リアルタイムに有害なコンテンツを確実に検出する。
ToxBusterは、Rainbow Six Siege、For Honor、DOTA 2などの人気マルチプレイヤーゲームにおいて、従来の毒性モデルよりも一貫して優れています。
論文 参考訳（メタデータ） (2023-10-20T00:29:57Z) - ToxBuster: In-game Chat Toxicity Buster with BERT [2.764897610820181]
ToxBusterは、Rainbow Six SiegeとFor Honorの194万行のゲームチャットの比較的大規模なデータセットに基づいてトレーニングされた、シンプルでスケーラブルなモデルである。
既存の最先端と比較して、ToxBusterの精度は82.95%(+7)、リコール率は83.56%(+57)である。
論文 参考訳（メタデータ） (2023-05-21T18:53:26Z) - Annotators with Attitudes: How Annotator Beliefs And Identities Bias
Toxic Language Detection [75.54119209776894]
本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。
我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。
以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
論文 参考訳（メタデータ） (2021-11-15T18:58:20Z)
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。