論文の概要: Digital Persuasion: Understanding the Impact of Online Influencers on Public Opinion

• arxiv url: http://arxiv.org/abs/2609.16062v1
• Date: Sun, 13 Sep 2026 10:10:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.120057
• Title: Digital Persuasion: Understanding the Impact of Online Influencers on Public Opinion
• Title（参考訳）: デジタル説得 : オンラインインフルエンサーが世論に与える影響を理解する
• Abstract要約: フリードキン・ジョンセン(FJ)に基づく枠組みの提案により、意見力学の問題を研究する。 提案フレームワークは,コミュニティ全体の意見に対する影響力とランダムなユーザの影響を評価する。 本研究では、ソーシャルメディア上のデジタルインフルエンサーが、主題や原因に関する世論を形成する方法を示す。
• 参考スコア（独自算出の注目度）: 0.6459652643027808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The studying of opinion dynamics and its propagation within social networks is crucial for addressing a wide range of challenges, including political polarization, public health, and marketing strategies. In this work, we study the problem of opinion dynamics by proposing a framework based on Friedkin-Johnsen (FJ) to identifies influential users and study their impact on dynamics opinions of community. The FJ model assume each individual have two opinions: initial and expressed. Through a series of initial opinion manipulation experiments, the proposed framework assesses the impact of influential versus random users on the overall community opinion. The proposed framework is validated using a tweet dataset representing the U.S. presidential election. The results shows that influencers with highest influencing score, significantly shift the overall community opinion. Moreover, the results shows that the impact of influencers not limited to direct neighbors , but beyond it, to their neighbors of neighbors . This study demonstrates how digital influencers on social media can shape public opinion regarding a subject or cause.
• Abstract（参考訳）: 世論のダイナミクスの研究とソーシャルネットワーク内での伝播は、政治的分極、公衆衛生、マーケティング戦略など幅広い課題に対処するために不可欠である。 本研究では,フリードキン・ジョンセン(FJ)を基盤とした枠組みを提案し,影響力のあるユーザを識別し,コミュニティのダイナミクス的意見に与える影響について考察する。 FJモデルは、各個人が2つの意見を持っていると仮定する。 一連の意見操作実験を通じて、提案フレームワークは、コミュニティ全体の意見に対する影響力とランダムなユーザの影響を評価する。 提案されたフレームワークは、アメリカ合衆国大統領選挙を表すツイートデータセットを使用して検証されている。 その結果,影響度の高いインフルエンサーは,コミュニティ全体の意見を大きく変えた。 さらに, インフルエンサーの影響は, 直接の隣人だけでなく, 隣人の隣人にも及んでいることが示唆された。 本研究では、ソーシャルメディア上のデジタルインフルエンサーが、主題や原因に関する世論を形成する方法を示す。

関連論文リスト

• Persuasive and Compliant Tendencies Predict Group Decision-Making in Humans and Language Models [65.21691850622413]
  大規模言語モデル(LLM)は、人間との集団意思決定にますます関与している。 本稿では,各モデルの説得性およびコンプライアンス傾向を測定するための質問紙ベースのフレームワークであるDecisionQEを紹介する。 より強い説得傾向はグループの結果を著しく改善しないが、コンプライアンス指向モデルは協調においてより安定した優位性を示す。
  論文  参考訳（メタデータ） (2026-08-08T15:50:56Z)
• Traits of a Leader: User Influence Level Prediction through Sociolinguistic Modeling [8.890331069484203]
  本研究では,人口統計と人格データを活用することで,ベースラインを大幅に上回るモデルを構築した。 このアプローチは、8つの異なるドメインのランクDCGスコアを一貫して改善する。
  論文  参考訳（メタデータ） (2025-01-05T22:37:19Z)
• Synthetic Social Media Influence Experimentation via an Agentic Reinforcement Learning Large Language Model Bot [7.242974711907219]
  本研究は,エージェント・インテリジェンスとLarge Language Models(LLM)を組み合わせることで,トピック固有の影響メカニズムをテストする新しいシミュレーション環境を提供する。 我々のフレームワークには、投稿を生成し、特定のトピックについて意見を形成し、議論の結果に基づいて相互にフォロー/アンフォローするエージェントが含まれています。
  論文  参考訳（メタデータ） (2024-11-29T11:37:12Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Biased AI can Influence Political Decision-Making [64.9461133083473]
  本稿では,大言語モデル(LLM)におけるパルチザンバイアスが政治的意見や意思決定に与える影響について検討する。 その結果,党派偏見モデルに曝露した参加者は,LLMの偏見と一致した意見を取り入れ,決定を下す可能性が有意に高いことがわかった。
  論文  参考訳（メタデータ） (2024-10-08T22:56:00Z)
• Unveiling the Truth and Facilitating Change: Towards Agent-based Large-scale Social Movement Simulation [43.46328146533669]
  ソーシャルメディアは社会運動の基盤として現れ、社会変革の推進に大きな影響を与えている。 ソーシャルメディアユーザシミュレーションのためのハイブリッドフレームワークHiSimを導入し、ユーザを2つのタイプに分類する。 我々は、トリガーイベントに続く応答ダイナミクスを再現するために、Twitterのような環境を構築します。
  論文  参考訳（メタデータ） (2024-02-26T06:28:54Z)
• The Anatomy Spread of Online Opinion Polarization: The Pivotal Role of Super-Spreaders in Social Networks [0.0]
  タイプAは意見形成に大きな影響を与え、タイプBはAとメディアのようなCの機能のバランスを保ち、客観的な視点を提供する。 この発見は、オンラインコミュニケーションのセキュリティを改善し、社会的影響を理解するための洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-27T20:29:50Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• 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)
• InfluencerRank: Discovering Effective Influencers via Graph Convolutional Attentive Recurrent Neural Networks [15.461845673443804]
  本研究では,その投稿行動と時間的社会的関係に基づいて,インフルエンサーをその効果でランク付けするインフルエンサーランクを提案する。 Instagramのデータセットは18,397人のインフルエンサーで構成され、12ヶ月以内に2,952,075件の投稿が公開された。
  論文  参考訳（メタデータ） (2023-04-04T15:48:08Z)
• Fair Effect Attribution in Parallel Online Experiments [57.13281584606437]
  A/Bテストは、オンラインサービスで導入された変更の影響を確実に特定する目的で役立ちます。 オンラインプラットフォームでは,ユーザトラフィックをランダムに分割して多数の同時実験を行うのが一般的である。 異なるグループ間の完全なランダム化にもかかわらず、同時実験は互いに相互作用し、平均的な集団の結果に負の影響をもたらす。
  論文  参考訳（メタデータ） (2022-10-15T17:15:51Z)
• Effects of Multi-Aspect Online Reviews with Unobserved Confounders: Estimation and Implication [19.74820808192969]
  当社は、オンラインレビューがビジネス収益および数値的要因(評価)に直接影響する影響を仲介者として調査する。 機械学習と因果推論の最近の進歩に基づき、隠れた共同創設者と因果効果を一緒に見積もる。 本稿では,実例を用いた実証的評価を行い,戦略的事業運営における多面的効果の差別化の重要性と意義について論じる。
  論文  参考訳（メタデータ） (2021-10-04T23:38:21Z)

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。