論文の概要: Modeling Discourse Profiles in Climate Misinformation Discourse

• arxiv url: http://arxiv.org/abs/2610.24489v1
• Date: Sat, 17 Oct 2026 06:15:44 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 12:00:04.484395
• Title: Modeling Discourse Profiles in Climate Misinformation Discourse
• Title（参考訳）: 気候情報談話における談話プロファイルのモデル化
• Abstract要約: 気候関連コメントを反復する修辞パターンにクラスタリングすることで談話プロファイルを構築する。 次に、これらのプロファイルをレイトフュージョンアーキテクチャを用いて、微粒な気候誤情報分類器に組み込む。 以上の結果より,言論プロファイルは誤情報受信や伝播を形作ることが明らかとなった。
• 参考スコア（独自算出の注目度）: 39.16078958768903
• License:
• Abstract: Prior work on climate misinformation detection typically classifies individual comments or claims using text alone. This framing overlooks a key property of online climate discourse: misinformation is often produced, reinforced, and sustained through recurring rhetorical patterns that reappear across comments and threads. Using a large-scale TikTok climate discourse dataset, we construct discourse profiles by clustering climate-related comments into recurring rhetorical patterns. We then incorporate these profiles into fine-grained climate misinformation classifiers using a late-fusion architecture. Under video-disjoint evaluation across three training seeds, discourse-profile-aware models significantly improve macro-F1 over text-only baselines for bag-of-words, TF-IDF, and MPNet representations. RoBERTa-large exhibits a positive mean improvement but substantially greater variability, and the difference is not statistically significant. Beyond classification, our results show discourse profiles shape misinformation reception and propagation. Discourse-profile-conditioned language model agents exhibit misinformation acceptance patterns aligned with profile-level misinformation prevalence in ClimateDisc, and the relationship between misinformation prevalence and engagement persistence differs across dominant discourse profiles.
• Abstract（参考訳）: 気候の誤報検出に関する以前の研究は、通常、テキストだけで個々のコメントやクレームを分類する。 誤報は、しばしば、コメントやスレッドにまたがって繰り返し現れる修辞的なパターンによって生成され、強化され、持続される。 大規模TikTok気候談話データセットを用いて、気候関連コメントを反復的な修辞パターンにクラスタリングすることで、談話プロファイルを構築する。 次に、これらのプロファイルをレイトフュージョンアーキテクチャを用いて、微粒な気候誤情報分類器に組み込む。 3種類の訓練種子に対するビデオ・ディジョイント評価では、単語のback-of-words, TF-IDF, MPNet表現に対するテキストのみのベースラインよりもマクロF1が有意に向上した。 RoBERTa-largeは前向きな平均的改善を示すが、大きな変動性を示し、その差は統計的に有意ではない。 本研究の結果は, 分類以外にも, 誤情報受信と伝播を形作る談話プロファイルが得られた。 談話表現条件付き言語モデルエージェントは、ClimateDiscにおいて、プロファイルレベルの誤情報傾向と整合した誤情報受容パターンを示し、誤情報傾向とエンゲージメント持続性の関係は、支配的な談話プロファイルによって異なる。

関連論文リスト

• Deep Clustering for Climate: Analyzing Teleconnections through Learned Categorical States [0.0]
  Masked Siamese Networksは、気候の時系列を意味的に豊かなクラスタに識別するために使用される。 本研究は,気候データ分析ツールとしての自己監督型離散化の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2026-04-24T17:12:15Z)
• Target Concept Tuning Improves Extreme Weather Forecasting [51.43578341469291]
  気象予報のための深層学習モデルは、台風のような珍しいが高影響の出来事でしばしば失敗する。 既存の微調整手法は、これらの極端な出来事を見落とし、全体的なパフォーマンスを犠牲にしてそれらを過度に適合させるというトレードオフに直面します。 モデルの改良によって上記の問題を解決するための,解釈可能な概念付き微調整フレームワークであるTaCTを提案する。
  論文  参考訳（メタデータ） (2026-03-17T15:34:05Z)
• Paid Voices vs. Public Feeds: Interpretable Cross-Platform Theme Modeling of Climate Discourse [6.259768189415674]
  我々は,2024年7月から2025年9月までに,Meta(以前はFacebookと呼ばれていた)の有料広告とBlueskyのパブリック投稿の気候談話の比較分析を行った。 意味的類似性によってテキストをクラスタリングする、解釈可能な、エンドツーエンドのテーマ発見と割り当てフレームワークを導入する。 その結果, プラットフォームレベルのインセンティブは, 気候物語のテーマ構造, 姿勢の整合性, 時間的応答性に反映されていることがわかった。
  論文  参考訳（メタデータ） (2026-01-19T19:00:56Z)
• When Does Multimodality Lead to Better Time Series Forecasting? [96.26052272121615]
  このようなマルチモーダルな統合が常に利益をもたらすかどうか、どのような条件で検討する。 その結果,マルチモーダリティの利点は条件に依存していることが判明した。 我々の研究は、マルチモーダリティが予測タスクに役立つことをいつ予測できるかを理解するための厳密で定量的な基礎を提供する。
  論文  参考訳（メタデータ） (2025-06-20T23:55:56Z)
• Listen to the Context: Towards Faithful Large Language Models for Retrieval Augmented Generation on Climate Questions [31.7025759960363]
  検索拡張生成を使用する大規模言語モデルは、貴重な知識を解放する可能性がある。 このアプローチは、検索された節を追加の文脈として頼りにすることで、事実の幻覚を軽減するのに役立つ。 この設定において、異なるモデルの忠実度の自動評価について検討する。 我々は,支持原子クレームの30%から57%の忠実度向上を実現するClimateGPT Faithful+を開発した。
  論文  参考訳（メタデータ） (2025-05-21T15:17:38Z)
• Value Profiles for Encoding Human Variation [12.302443348395117]
  値プロファイルは、コンテキスト内デモから圧縮された基礎値の記述である。 価値プロファイルは、精査可能性、解釈可能性、操縦性という面での利点を提供する。 我々は,デコーダの予測が意味的プロファイルの違いに合わせて変化し,よく校正され,インスタンスレベルの不一致を説明するのに役立つことを示す。
  論文  参考訳（メタデータ） (2025-03-19T17:57:49Z)
• Surprise! Uniform Information Density Isn't the Whole Story: Predicting Surprisal Contours in Long-form Discourse [54.08750245737734]
  話者は、階層的に構造化された談話モデル内の位置に基づいて、情報率を変調する。 階層的予測器は談話の情報輪郭の重要な予測器であり,深い階層的予測器は浅い予測器よりも予測力が高いことがわかった。
  論文  参考訳（メタデータ） (2024-10-21T14:42:37Z)
• Enhancing Argument Structure Extraction with Efficient Leverage of Contextual Information [79.06082391992545]
  本稿では,コンテキスト情報を完全に活用する効率的なコンテキスト認識モデル(ECASE)を提案する。 文脈情報や議論情報を集約するために,シーケンスアテンションモジュールと距離重み付き類似度損失を導入する。 各種ドメインの5つのデータセットに対する実験により,我々のモデルが最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-10-08T08:47:10Z)
• Federated Prompt Learning for Weather Foundation Models on Devices [37.88417074427373]
  天気予報のためのデバイス上のインテリジェンスでは、ローカルなディープラーニングモデルを使用して、集中型クラウドコンピューティングなしで気象パターンを分析する。 本稿では,FedPoD(Federated Prompt Learning for Weather Foundation Models on Devices)を提案する。 FedPoDは、通信効率を維持しながら、高度にカスタマイズされたモデルを得ることができる。
  論文  参考訳（メタデータ） (2023-05-23T16:59:20Z)

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。