論文の概要: Unifying Models of Intergroup Hostility in Online Discourse

• arxiv url: http://arxiv.org/abs/2609.20808v1
• Date: Thu, 17 Sep 2026 17:58:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.421461
• Title: Unifying Models of Intergroup Hostility in Online Discourse
• Title（参考訳）: オンライン談話におけるグループ間敵意の統一モデル
• Abstract要約: 社会集団に対する敵対的なレトリックは、排除を正規化し、不正処理を正当化し、分極化と政治的暴力の増大に寄与する。 オンラインスピーチにおける敵対的レトリックの穏健化への取り組みは、社会心理学や道徳心理学、政治科学の基盤的理論に基づいている。 2024年の大統領選挙において、TikTok、Trath Social、Twitter/Xの2.86万の投稿を使って、グループ間の敵対性の6つの理論のメカニズムをモデル化する。
• 参考スコア（独自算出の注目度）: 9.330265473428579
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hostile rhetoric toward social groups can normalize exclusion and justify mistreatment, as well as contribute to rising polarization and political violence. Efforts to moderate hostile rhetoric in online speech draw on foundational theories in social and moral psychology, and political science. However, these theories were developed largely in parallel, often propose different and sometimes conflicting accounts of how hostility develops, and have rarely been tested against each other in real discourse. The result is a fragmented understanding of the rhetorical mechanisms of hostility, without a clear sense of how they appear, and relate to each other, in real-world discourse. Using 2.86 million posts from TikTok, Truth Social, and Twitter/X during the 2024 U.S. presidential election, we model the mechanisms of six foundational theories of intergroup hostility -- boundary construction, threat construction, scapegoating, negative evaluation, dehumanization, and action orientation -- within a common empirical framework to recover the broader organization of intergroup hostility rhetoric. Structurally, we find that boundary construction and threat construction anchor the system; temporally, we find that these mechanisms tend to follow a regular ordering: boundary construction, derogation, and action orientation tend to appear early; dehumanization and threat construction later; scapegoating latest. Mapping how these theoretical frameworks actually manifest in discourse bridges longstanding divisions across social science traditions and presents computational social science with a clearer empirical foundation for modeling intergroup hostility rhetoric beyond single-label detection.
• Abstract（参考訳）: 社会集団に対する敵対的なレトリックは、排除を正規化し、不正処理を正当化し、分極化と政治的暴力の増大に寄与する。 オンラインスピーチにおける敵対的レトリックの穏健化への取り組みは、社会心理学や道徳心理学、政治科学の基盤的理論に基づいている。 しかし、これらの理論は概ね平行して発展し、しばしば敵意の発達について異なる、時には矛盾する説明を提案し、実際の議論において互いに比較されることはめったになかった。 その結果、現実の談話において、敵意の修辞的なメカニズムの断片化された理解であり、それらがどのように見えるかを明確に理解せず、相互に関係している。 2024年アメリカ合衆国大統領選挙におけるTikTok, Truth Social, Twitter/Xの投稿2.86万件を用いて、我々は、グループ間敵意のより広範な組織を回復するための共通の実証的な枠組みの中で、グループ間敵意の6つの基礎的理論(境界構築、脅威構築、スケープゴーイング、ネガティブ評価、非人間化、行動指向)のメカニズムをモデル化する。 構造的には、境界構築と脅威構築がシステムに定着していることが分かる; 時間的に、これらのメカニズムは、境界構築、デロゲーション、行動指向が早期に現れる傾向があること、非人間化と脅威構築が後で起こること、そして、最新の状況を示す。 これらの理論的枠組みが、社会科学の伝統にまたがる長年の区分を橋渡しし、単一のラベル検出を超えたグループ間敵意のレトリックをモデル化するための、より明確な実証的な基礎を持つ計算社会科学を提示する。

関連論文リスト

• To Compare, or Not to Compare: On Methodological Practices in Evaluating Social Bias [61.40435736418359]
  異質なベンチマークを標準化する統一的なフレームワークを導入し、孤立した人口統計評価と強制選択比較設定を対比する。 比較設定は、主に不特定文脈によって引き起こされる潜在識別のアグレッシブな触媒として機能することを示す。 最後に、この比較偏見はモデルサイズと正にスケールする一般化された現象であることを示す。
  論文  参考訳（メタデータ） (2026-06-23T13:53:50Z)
• Fairness of Automatic Speech Recognition: Looking Through a Philosophical Lens [0.42970700836450487]
  特定の言語品種の体系的誤認識は、技術的な制限以上のものであると論じる。 我々は、ASRバイアスと他のアルゴリズム的公正度とを区別する音声技術の3つのユニークな倫理的次元を同定する。
  論文  参考訳（メタデータ） (2025-08-10T02:26:47Z)
• Fear and Loathing on the Frontline: Decoding the Language of Othering by Russia-Ukraine War Bloggers [6.632254395574994]
  その他に、外集団を内集団と根本的に異なるものとして描写する行為は、しばしばそれらを現実的な脅威とみなすようにエスカレートする。 ドイツやルワンダの少数民族に対するジェノサイドの極端な歴史的例から、米国やヨーロッパの移民を標的とした暴力や修辞学まで、これらのダイナミクスは驚くほど広範囲に及んでいる。 我々のフレームワークは、他者のダイナミクスに関する深い洞察を提供するように設計されており、迅速な適応プロセスと組み合わせて、他者の社会的結束に対する悪影響を緩和するための重要なツールを提供する。
  論文  参考訳（メタデータ） (2024-09-19T19:56:03Z)
• Community Shaping in the Digital Age: A Temporal Fusion Framework for Analyzing Discourse Fragmentation in Online Social Networks [45.58331196717468]
  本研究では,ソーシャルメディアプラットフォームにおけるオンラインコミュニティの動態を解析するための枠組みを提案する。 テキスト分類と動的ソーシャルネットワーク分析を組み合わせることで,コミュニティの形成と進化を促進するメカニズムを明らかにする。
  論文  参考訳（メタデータ） (2024-09-18T03:03:02Z)
• Factoring the Matrix of Domination: A Critical Review and Reimagination of Intersectionality in AI Fairness [55.037030060643126]
  間欠性は、社会的不平等の持続性を調べるための重要な枠組みである。 我々は、公平性を効果的に運用するために、交差性を分析的枠組みとして採用することが重要であると論じる。
  論文  参考訳（メタデータ） (2023-03-16T21:02:09Z)
• Attacks in Adversarial Machine Learning: A Systematic Survey from the Life-cycle Perspective [69.25513235556635]
  敵対的機械学習(英: Adversarial Machine Learning、AML)は、機械学習の逆行現象を研究する。 機械学習システムの異なる段階で発生するこの敵対現象を探求するために、いくつかのパラダイムが最近開発された。 既存の攻撃パラダイムをカバーするための統一的な数学的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-02-19T02:12:21Z)
• Towards Identifying Social Bias in Dialog Systems: Frame, Datasets, and Benchmarks [95.29345070102045]
  本稿では,ダイアログの安全性問題に対する社会的バイアス検出に焦点をあてる。 まず,会話における社会的バイアスを現実的に分析する新しいダイアルバイアスフレームを提案する。 中国初の社会バイアスダイアログデータセットであるCDail-Biasデータセットを紹介する。
  論文  参考訳（メタデータ） (2022-02-16T11:59:29Z)
• Conservative AI and social inequality: Conceptualizing alternatives to bias through social theory [0.0]
  社会的な問題は、これらのシステムが人間の生活に与える影響を考えると、もはやAIと機械学習の範囲外にはならない。 保守主義(Conservatism)とは、現状を再現し、強化する支配的な傾向のことであり、急進的なアプローチは、制度的な不平等を乱すために働く。 これは、不平等を永続する構造化された方法を分析するために偏見のあるデータを超えた、AI奨学金の増大組織との関わりを必要とする。
  論文  参考訳（メタデータ） (2020-07-16T21:52:13Z)

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。