論文の概要: Threat Amplified, Blame Restrained: LLM-Assisted Media Framing Analysis of the 2026 Bangladesh Measles Outbreak
- arxiv url: http://arxiv.org/abs/2609.28362v1
- Date: Wed, 23 Sep 2026 16:33:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.122323
- Title: Threat Amplified, Blame Restrained: LLM-Assisted Media Framing Analysis of the 2026 Bangladesh Measles Outbreak
- Title（参考訳）: LLMによる2026年バングラデシュの麻疹流行のメディア・フラーミング分析
- Abstract要約: 2026年麻疹流行の英語バングラデシュにおける感情と態度について検討した。
全国7つのメディアから403の見出しのコーパスを作成し、それらをバイナリ感情と4方向スタンスにラベル付けします。
DGHSの流行曲線によらず, 被曝率は有意に増加した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: How news media frame and emotionally code a public health emergency shapes public risk perception and trust, yet outbreak-coverage dynamics remain understudied for low- and middle-income countries (LMICs). We examine sentiment and stance in English-language Bangladeshi coverage of the 2026 measles outbreak -- the country's most severe in two decades, with over 97,000 suspected cases and 600 deaths across 61 of 64 districts, unfolding after the 2024 change of government and a 2024-2025 vaccine stockout. Using the Internet Archive, we build a reproducible corpus of 403 headlines from seven national outlets (396 in-window in 2026), label them for binary sentiment and four-way stance via a large language model under a locked codebook, and validate against a two-coder human-adjudicated gold standard (n=153; Cohen's kappa=0.89 stance, 0.75 sentiment). Aligned to the DGHS epidemic curve, coverage grew significantly more negative (56% to 88% negative; Cochran-Armitage z=4.12, p<.001) and risk-amplification framing intensified (44% to 84%; z=4.15, p<.001). Media negativity lagged incidence, tracking cumulative mortality. Contrary to the political backdrop, blame remained a minority frame (~9% overall) and was overwhelmingly systemic (32 of 37, 86%) rather than directed at named actors. The pipeline offers a scalable, transparent method for LMIC outbreak-media analysis; Bangladeshi coverage amplified threat far more than it assigned political blame.
- Abstract（参考訳）: メディアがいかにして公衆衛生上の緊急事態をフレーム化し、感情的にコードするかは、公衆のリスク認識と信頼を形作っているが、低所得国や中所得国(LMICs)では、アウトブレイクカバーのダイナミクスが検討されている。
2024年のバングラデシュ政府交代と2024-2025年のワクチン備蓄以降、64地区中61地区で9万7000件以上の容疑者と600人が死亡した。
インターネットアーカイブを用いて、7つの国庫(2026年内風)から403の見出しを再現可能なコーパスを作成し、それを2進感情と4方向スタンスにラベル付けし、ロックされたコードブックの下で大きな言語モデルを通して4方向スタンスで表示し、また、2コーダの人手によるゴールド標準(n=153、コーエンのkappa=0.89スタンス、0.75感情)に対して検証する。
DGHSの流行曲線に比して、カバレッジは著しく負(56%から88%)、コクラン・アルミタージュz=4.12, p<.001)、リスク増幅フレーミングが強化(44%から84%、z=4.15, p<.001)された。
メディア陰性性は死亡率を低下させ、累積死亡率を追跡した。
政治的背景とは対照的に、非難は少数派(全体の9%)であり、名優ではなく圧倒的に体系的(37, 86%)であった。
このパイプラインは、LMICのアウトブレイク・メディア分析のためのスケーラブルで透明な方法を提供している。
関連論文リスト
- Coordinated Pandemic Control with Large Language Model Agents as Policymaking Assistants [51.26321657927398]
本研究では,地域間で協調的かつ積極的なパンデミック制御を支援する多言語モデル (LLM) の多言語政策作成フレームワークを提案する。
実世界のデータ、パンデミックの進化シミュレータ、エージェント間の構造的コミュニケーションを統合することで、エージェントは反現実的な介入シナリオを共同で探索することができる。
実際のパンデミックの結果と比較すると、それぞれの州レベルで累積感染と死亡率を最大63.7%、死亡率40.1%まで下げる。
論文 参考訳（メタデータ） (2026-01-14T07:59:44Z) - Toward Equitable Recovery: A Fairness-Aware AI Framework for Prioritizing Post-Flood Aid in Bangladesh [0.0]
発展途上国における災害後の援助配分は、脆弱な地域での体系的な偏見に悩まされることが多い。
本稿では,バングラデシュにおけるフルート後援助の優先順位付けのための公平性を考慮した人工知能フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-22T03:45:15Z) - HP-BERT: A framework for longitudinal study of Hinduphobia on social media via language models [6.261384274136677]
我々は、新型コロナウイルスの期間に抗ヒンドゥー感情(ヒンドゥー恐怖症)を解析するための計算フレームワークを提案する。
このデータセットを用いてHydphobic BERT (HP-BERT) モデルを構築し,94.72%の精度を実現した。
本研究は、新型コロナウイルス危機におけるソーシャルメディアによる宗教差別の証拠を提供する。
論文 参考訳（メタデータ） (2025-01-07T23:22:05Z) - Exploring Response Uncertainty in MLLMs: An Empirical Evaluation under Misleading Scenarios [49.53589774730807]
マルチモーダル大規模言語モデル(MLLM)は近年,視覚的質問応答から映像理解に至るまでのタスクにおいて,最先端のパフォーマンスを実現している。
12件のオープンソースMLLMが, 単一の偽装キューを受けた65%の症例において, 既往の正解を覆した。
論文 参考訳（メタデータ） (2024-11-05T01:11:28Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳（メタデータ） (2022-06-12T19:41:01Z) - Co-WIN: Really Winning? Analysing Inequity in India's Vaccination
Response [10.092228219529918]
新型コロナウイルスのパンデミックは世界中で550万人の死者を報告しており、そのうち8.7%がインドから来ている。
2022年1月20日時点で、インドは382万件の報告があり、死者は487万人である。
インドの予防接種は2021年1月16日に始まり、異なる人口を優先する政府の政策が導入された。
論文 参考訳（メタデータ） (2022-02-09T12:57:31Z) - An Opinion Mining of Text in COVID-19 Issues along with Comparative
Study in ML, BERT & RNN [0.0]
この記事では、個々のソースからのBanglaテキストコメントとともに、いくつかの特定のインプットを提案している。
意見マイニング支援システムは、可能なすべての言語選好に影響を及ぼす可能性がある。
我々の知る限り、この論文は、MLアルゴリズムを提案する新型コロナウイルス問題に関するBanglaの入力テキストを予測し、ディープラーニングモデル分析は、比較分析によって将来の到達可能性もチェックする。
論文 参考訳（メタデータ） (2022-01-06T15:59:20Z) - Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。
そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。
実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文 参考訳（メタデータ） (2021-10-13T04:44:02Z) - SenWave: Monitoring the Global Sentiments under the COVID-19 Pandemic [26.109661374693935]
SenWaveは105万以上のツイートとWeiboメッセージを使って、感情分析を行う。
SenWaveは、新型コロナウイルスに関する6つの言語でグローバルな会話の感情を明らかにしている。
全体として、SenWaveは楽観的かつ肯定的な感情が時間とともに増加し、新型コロナウイルス(COVID-19)の世界を改良するためのリセットを欲しがっていることを示している。
論文 参考訳（メタデータ） (2020-06-18T20:33:41Z) - 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) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。