論文の概要: Measuring climate backlash in Twitter and Reddit archives: Lexical definitions, recorded responses and participant turnover
- arxiv url: http://arxiv.org/abs/2610.07634v1
- Date: Tue, 06 Oct 2026 02:26:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.758572
- Title: Measuring climate backlash in Twitter and Reddit archives: Lexical definitions, recorded responses and participant turnover
- Title（参考訳）: TwitterとRedditのアーカイブにおける気候変動の反発を測定する: 語彙の定義、記録された応答、参加者のターンオーバー
- Abstract要約: ソーシャルメディアアーカイブは、しばしば気候変動に対する抵抗を研究するために使用されるが、言葉、反応カウンタ、観察された参加者は同じ社会的プロセスを測定することはない。
我々は、すべての登録ファイルをサンプリングせずに処理し、透過的で非排他的な語彙規則を適用することで、提供されたTwitterとRedditのアーカイブを4つ調べる。
- 参考スコア（独自算出の注目度）: 5.279475826661643
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media archives are often used to study resistance to climate action, but words, response counters and observed participants do not measure the same social process. We examine four supplied Twitter and Reddit archives by processing all registered files without sampling and applying transparent, non-exclusive lexical rules. The study links frame co-occurrence to source-specific temporal and response models, then separates event-period changes among returning authors from participant turnover. Renewable-energy terms accompany cost-related language on Reddit, yet narrower backlash phrases sharply reduce cross-source contrasts and reverse the sign of the Paris Agreement contrast in submissions. Cross-discourse history does not improve eligible primary-context forecasts. Denial/hoax terms are associated with higher recorded Twitter likes, whereas Reddit response associations depend on frame, outcome and author specification. Around the 2019 global climate strike, returning-author expression and participant turnover both contribute to increased protest-language shares. An archive endpoint prevents the corresponding Climate Twitter migration inference. Most crossed-cluster estimates lack released intervals, and joint author/month response covariance estimates fail, restricting formal inference. These results show how operational definitions, platform-specific response fields and observation boundaries shape what can be claimed about climate backlash. The contribution is an archive-based account of these measurement consequences, rather than a measure of individual opposition, persuasion or advocacy-induced backlash.
- Abstract（参考訳）: ソーシャルメディアアーカイブは、しばしば気候変動に対する抵抗を研究するために使用されるが、言葉、反応カウンタ、観察された参加者は同じ社会的プロセスを測定することはない。
我々は、すべての登録ファイルをサンプリングせずに処理し、透過的で非排他的な語彙規則を適用することで、提供されたTwitterとRedditのアーカイブを4つ調べる。
この研究は、フレームの共起をソース固有の時間的および応答モデルに関連付け、返却した著者間でイベント周期の変化を参加者のターンオーバーから分離する。
更新可能エネルギー用語はRedditのコスト関連言語に付随するが、ソース間のコントラストを劇的に減らし、パリ協定のコントラストのサインを逆転させる。
談話の歴史は、適格な一次文脈予測を改善しない。
否定的/嫌悪的な用語は、より高い記録のTwitterいいね!と関連付けられているのに対して、Redditのレスポンスアソシエーションは、フレーム、結果、著者の仕様に依存している。
2019年の世界的な気候ストライキの前後で、反政府勢力の表現と参加者の交代が抗議言語株の上昇に寄与した。
アーカイブエンドポイントは、対応するClimate Twitterマイグレーション推測を防ぐ。
ほとんどのクロスクラスタ推定にはリリース間隔がなく、共同著者/月のレスポンス共分散推定は失敗し、正式な推測が制限される。
これらの結果は, 運用定義, プラットフォーム固有の応答場, 観測境界が, 気候変動の逆転について主張できるものをいかに形成するかを示すものである。
この貢献は、個々の反対、説得、または擁護によって引き起こされる反発の尺度ではなく、これらの測定結果のアーカイブベースの説明である。
関連論文リスト
- C$^{3}$T: Counterfactual Causal Reasoning for Sentiment Shifts in Social-Media Conversation Trees [0.3093890460224435]
談話の動きを候補として扱うことで,うわさ中心の会話木に感情変化が生じる理由を考察する。
本稿では,C$3$T(Counterfactual Causal Conversation Transformer)を提案する。
論文 参考訳（メタデータ） (2026-09-02T05:40:06Z) - Asymmetric Discourse Homogenization and Shared Language Technology: Evidence from Reddit [2.152401683177439]
私は2022年の終わりごろに現われていた政治談話の多様化傾向について、イデオロギー的に非対称な断絶を報告します。
保守的なユーザーは以前の多様化軌道の中断を経験したが、進歩的なユーザーはそれと同程度の変化を示さなかった。
非対称性は推定戦略(ITS, DiD, RDiT, propensity-score matching)と時間的アグリゲーションの間で一致している。
論文 参考訳（メタデータ） (2026-08-13T18:13:35Z) - TRACE: An Operational Reasoning Schema for Auditable Agentic Commitments [0.0]
TRACE (Typed Reasoning And Commitment Evidence) は、推論トレースを記録するためのタイプ付きバージョン付きスキーマである。
論文は3つのレイヤで、推論は言語モデルにはない、と論じている。
レコード消費者契約は、レコードが保証するものと、その見返りに消費者が尊重すべきものを記述する。
論文 参考訳（メタデータ） (2026-07-14T08:08:21Z) - ConflictScore: Identifying and Measuring How Language Models Handle Conflicting Evidence [48.938290419832335]
我々は、モデル応答が、その基盤となる文書における矛盾する証拠をどのように認識するかを定量化する新しいメトリクスであるConflictScoreを紹介する。
我々のフレームワークは, 反応を原子的クレームに分解し, それぞれのクレームに対して各クレームをラベル付けし, それらのラベルを2つの補完的尺度に集約する。
論文 参考訳（メタデータ） (2026-06-24T23:00:09Z) - The Deliberative Illusion: Diagnosing Factual Attrition and Stance Homogenization in Multi-Agent LLM Deliberation [68.98390038721963]
問題クリティカルな事実の最大72%を,マルチエージェントによる議論で消し去ることを示す。
保持された証拠は誤解を招くことなく問題を再構築し、最終的なスタンスをベースモデルに固定し、単一の悪意のあるエージェントが誤った情報を共有コンテキストに注入することができる。
我々は、どの事実、不確実性、正当な不一致が相互作用を生き残るかを測定する評価を求める。
論文 参考訳（メタデータ） (2026-06-02T02:15:40Z) - LLM generated responses to mitigate the impact of hate speech [1.774563970628096]
本稿では,自動モデレーションシステムの設計について概説し,ユーザエンゲージメントを測定するための簡易な指標を提案する。
談話モデレーションのための生成AIの展開における倫理的考察と課題について論じる。
論文 参考訳（メタデータ） (2023-11-28T16:08:42Z) - 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) - Hi Model, generating 'nice' instead of 'good' is not as bad as generating 'rice'! Towards Context and Semantic Infused Dialogue Generation Loss Function and Evaluation Metric [46.26506372710482]
本稿では,Semantic Infused Contextualized diaLogue (SemTextualLogue) ロス関数を提案する。
また、文脈と意味的関連性の両方を取り入れて、Dialuationと呼ばれる評価指標を定式化する。
論文 参考訳（メタデータ） (2023-09-11T20:16:38Z) - Generating Dialogue Responses from a Semantic Latent Space [75.18449428414736]
語彙のエンドツーエンド分類に代わる方法を提案する。
潜在空間上の回帰タスクとして,プロンプトと応答のペア関係を学習する。
人間の評価は、連続した空間でタスクを学習すると、関連性と情報性の両方を持つ応答が生成されることを示した。
論文 参考訳（メタデータ） (2020-10-04T19:06:16Z) - Constructing interval variables via faceted Rasch measurement and
multitask deep learning: a hate speech application [63.10266319378212]
本稿では,教師付き深層学習と多面的ラッシュアイテム応答理論(IRT)構築手法を組み合わせることで,連続区間スペクトル上の複素変数を測定する手法を提案する。
われわれは、YouTube、Twitter、Redditから5万件のソーシャルメディアコメントを収集し、1万1000人の米国拠点のAmazon Mechanical Turkの労働者によってラベル付けされたデータセット上で、この新しい手法を実証した。
論文 参考訳（メタデータ） (2020-09-22T02:15:05Z) - Generating Counter Narratives against Online Hate Speech: Data and
Strategies [21.098614110697184]
本稿では,憎悪に対する回答を効果的に収集する方法について検討する。
銀データ生成には GPT-2 などの大規模教師なし言語モデルを用いる。
最高のアノテーション戦略/神経アーキテクチャは、専門家のバリデーション/ポスト編集の前にデータフィルタリングに使用できる。
論文 参考訳（メタデータ） (2020-04-08T19:35:00Z)
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。