論文の概要: Measuring Public Participation in Local Government: An Audio-Based Instrument for Classifying Speakers in City Council Meetings
- arxiv url: http://arxiv.org/abs/2611.18072v1
- Date: Fri, 13 Nov 2026 11:55:05 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:30:33.095909
- Title: Measuring Public Participation in Local Government: An Audio-Based Instrument for Classifying Speakers in City Council Meetings
- Title(参考訳): 地方自治体における住民参加の計測:市会議員会における講演者の分類のための音声ベース機器
- Abstract要約: 市民は実際に地方政府でどのくらい話すのか。
音声分析パイプラインは、市議会会議の各講演者を、オーディオから直接、選出された役人または一般人として分類する。
これらのラベルをフロアタイムシェアなどの参加の検証された尺度に集約する。
- 参考スコア(独自算出の注目度): 2.65298492380647
- License:
- Abstract: How much does the public actually speak in local government? Despite sustained interest in democratic participation, we lack large-scale measures of public voice at the local level, because the underlying record -- audio of open meetings -- has been prohibitively costly to convert into data. We contribute a measurement instrument: an audio-analysis pipeline that classifies each speaker in a city council meeting as an elected official or a member of the public directly from audio, and aggregates these labels into validated measures of participation such as floor-time share. The pipeline first segments each recording by speaker, then classifies each speaker with a multimodal large language model (MLLM), using the meeting's own temporal structure (neighboring speakers, iterative refinement, and a majority vote across three classifiers) as supporting components. We collect 1,618 recordings from seven U.S. cities (2017-2023); after diarization and quality control, the analytic corpus is 1,565 meetings from five cities. The task is non-trivial: audio quality is uneven, members of the public speak informally and are often introduced only briefly, and speech frequently overlaps. Even so, segmentation reaches 89% accuracy (mean pairwise kappa=0.84), and the classifier reaches 87.7% accuracy (kappa=0.736, public-participant F1=0.832) on ground truth from five cities (N=1,761 speakers) -- agreement comparable to that among the human annotators themselves. At scale, members of the public receive a median of just 10% of floor time, the top speaker is an official in over 94% of meetings, and public participation declined over COVID-19 without recovering by 2023. The instrument measures participation directly from audio, without transcription or linkage to external voter or property records, establishing audio-as-data as a practical approach for the study of local politics.
- Abstract(参考訳): 市民は実際に地方政府でどのくらい話すのか。
民主的参加への関心は続くものの、現地レベルでの公衆の声の大規模な対策は欠如している。
筆者らは,市議会の会合において,各話者を選任された職員あるいは一般市民と直接オーディオから分類し,これらのラベルをフロアタイムシェアなどの参加評価尺度に集約する。
パイプラインはまず、各録音を話者によって分割し、各話者を会議の時間構造(隣り合う話者、反復的な改善、および3つの分類器にまたがる多数決)を用いて、マルチモーダルな大言語モデル(MLLM)で分類する。
米国7都市(2017年-2023年)から1,618件の録音を収集し、ダイアリゼーションと品質管理を経て、5都市から1,565件の会議を行う。
音声品質は不均一であり、一般市民は非公式に話し、短時間だけ紹介されることが多く、発話はしばしば重複する。
それでも、セグメンテーションは89%の精度(つまりカッパ=0.84)に達し、分類器は5つの都市(N=1,761話者)の真理に基づいて87.7%の精度(カッパ=0.736、一般参加者F1=0.832)に達する。
大規模な会合では、一般市民は床時間の10%の中央値を受け取り、トップスピーカーは94%以上の会合で公式であり、2023年までに回復することなく、新型コロナウイルス(COVID-19)による参加は減少している。
この装置は、外部の投票者や財産記録とのリンクなしに、音声から直接の参加を計測し、地域政治研究の実践的なアプローチとしてオーディオ・アズ・データを確立する。
関連論文リスト
- Participation and Representation in Local Government Speech [1.1458853556386799]
われわれは過去10年間にカリフォルニア州115の都市から、大規模な市議会会議のデータセットを収集し、書き起こした。
公的な参加者は、登録された有権者よりもかなり年を取り、白人、男性、リベラルであり、家を所有している可能性が高い。
リモートオプションの除去は話者数を減少させるが,話者構成が明確に変化しないことを示す。
論文 参考訳(メタデータ) (2026-04-23T01:47:56Z) - Pashto Common Voice: Building the First Open Speech Corpus for a 60-Million-Speaker Low-Resource Language [0.0]
Pashto Common Voice corpus - Pashtoの最初の大規模かつオープンにライセンスされた音声リソース。
2022年から2025年にかけて行われたコミュニティの取り組みを通じて、コーパスは1.5時間と5人のコントリビュータから147時間、ユニークなスピーカーは1,483人まで成長した。
話者参加はCV17とCV18の間で約108倍に増加し、VOA Pashtoの放送キャンペーンと一致した。
論文 参考訳(メタデータ) (2026-03-27T22:22:03Z) - CitiLink-Minutes: A Multilayer Annotated Dataset of Municipal Meeting Minutes [4.992710184213374]
CitiLink-Minutesは6つの自治体から120のポルトガルの自治体会議の注釈付きデータセットである。
データセットには100万以上のトークンが含まれており、すべての個人識別子が識別されていない。
論文 参考訳(メタデータ) (2026-02-12T16:22:55Z) - PUBLICSPEAK: Hearing the Public with a Probabilistic Framework in Local Government [0.01499944454332829]
PUBLICSPEAKは,地方自治体の会合で公的な発言を発見できる確率的枠組みである。
PUBLICSPEAKが平均して10%向上し,最大40%向上することが確認された。
論文 参考訳(メタデータ) (2025-03-14T17:04:36Z) - Artificial Neural Networks to Recognize Speakers Division from Continuous Bengali Speech [0.5330251011543498]
我々は,男性633人,女性633人を対象に,45時間以上の音声データを用いた。
私たちは85.44%の精度を記録しました。
論文 参考訳(メタデータ) (2024-04-18T10:17:20Z) - A Highly Adaptive Acoustic Model for Accurate Multi-Dialect Speech
Recognition [80.87085897419982]
単一AMを用いた高精度多言語音声認識のための新しい音響モデリング手法を提案する。
提案するAMは、方言情報とその内部表現に基づいて動的に適応し、複数の方言を同時に扱うための高度適応型AMとなる。
大規模音声データセットにおける実験結果から,提案したAMは,方言固有のAMと比較して,単語誤り率(WER)が8.11%,方言固有のAMに比べて7.31%向上していることがわかった。
論文 参考訳(メタデータ) (2022-05-06T06:07:09Z) - Real-time Speaker counting in a cocktail party scenario using
Attention-guided Convolutional Neural Network [60.99112031408449]
重なり合う音声におけるアクティブ話者数を推定するために,CNN(Real-time, Single-channel attention-guided Convolutional Neural Network)を提案する。
提案システムは,CNNモデルを用いて音声スペクトルから高レベル情報を抽出する。
WSJコーパスを用いた重畳音声のシミュレーション実験により,従来の時間平均プーリングに比べて,注意解がほぼ3%向上することが示されている。
論文 参考訳(メタデータ) (2021-10-30T19:24:57Z) - Joint speaker diarisation and tracking in switching state-space model [51.58295550366401]
本稿では,統合モデル内で共同でダイアリゼーションを行いながら,話者の動きを明示的に追跡することを提案する。
隠れ状態が現在のアクティブ話者の身元と予測されたすべての話者の位置を表現する状態空間モデルを提案する。
Microsoftリッチミーティングの書き起こしタスクの実験は、提案された共同位置追跡とダイアリゼーションアプローチが、位置情報を使用する他の方法と相容れない性能を発揮することを示している。
論文 参考訳(メタデータ) (2021-09-23T04:43:58Z) - HuBERT: Self-Supervised Speech Representation Learning by Masked
Prediction of Hidden Units [81.53783563025084]
本稿では、BERTのような予測損失に対して、アライメントされたターゲットラベルを提供するオフラインクラスタリングステップを提案する。
提案手法の重要な要素は,マスク領域にのみ予測損失を適用することである。
HuBERTは、より困難なdev-otherおよびtest-other評価サブセットに対して、最大19%と13%の相対的なWER削減を示す。
論文 参考訳(メタデータ) (2021-06-14T14:14:28Z) - Unsupervised Speech Recognition [55.864459085947345]
wav2vec-Uは、ラベル付きデータなしで音声認識モデルを訓練する方法である。
我々は、自己教師付き音声表現を活用して、ラベルなし音声をセグメント化し、これらの表現から相手の訓練を通して音素へのマッピングを学習する。
より大きな英語のLibrispeechベンチマークでは、wav2vec-Uは、わずか2年前の960時間のラベル付きデータに基づいてトレーニングされた最も優れたシステムに匹敵する、他のテストで5.9の単語エラー率を達成した。
論文 参考訳(メタデータ) (2021-05-24T04:10:47Z) - UniSpeech: Unified Speech Representation Learning with Labeled and
Unlabeled Data [54.733889961024445]
ラベル付きデータとラベル付きデータの両方を用いて音声表現を学習するためのUniSpeechという統合事前学習手法を提案する。
公立CommonVoiceコーパス上での言語間表現学習におけるUniSpeechの有効性を評価する。
論文 参考訳(メタデータ) (2021-01-19T12:53:43Z)
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。