Bibliometric Mapping of AI-Supported Social Presence in Online Learning Environments: Trends, Collaboration, and Thematic Directions
Pampanga State University（邦板牙州立大学）
研究分析了人工智能支持的社会存在研究在在线学习环境中的发展、影响及合作模式，揭示了2020年后文献增长趋势，强调了参与度、AI工具、教学设计和伦理问题的研究重点，指出伦理问题和跨学科合作的重要性。
2026-04-30 cs.CY
Interpretable Poverty Mapping using Social Media Data, Satellite Images, and Geospatial Information
获得准确、精细和最新的贫困数据对于人道主义组织确定扶贫工作的脆弱领域至关重要。最近的工作表明，在结合计算机视觉和卫星图像进行贫困估计方面取得了成功;然而，获取高分辨率图像和黑匣子模型的成本可能成为许多发展组织采用的障碍。在这项研究中，我们提出了一种可解释的和具有成本效益的方法来估计贫困，使用机器学习和易于访问的数据源，包括社交媒体数据，低分辨率卫星图像和自愿的地理信息。使用我们的方法，我们实现了$R^2$为0.66的财富估计在菲律宾，相比之下，0.63使用卫星图像。最后，我们使用特征重要性分析来识别全球和本地贡献最大的特征，以帮助决策者更深入地了解贫困。
2020-11-27 cs.CY
Mapping Violence: Developing an Extensive Framework to Build a Bangla Sectarian Expression Dataset from Social Media Interactions
Boston University（波士顿大学）；University of Dhaka（达卡大学）；Oregon State University（俄勒冈州立大学）；ICDDR,b（国际腹泻病研究中心）；BRAC University（孟加拉国布拉克大学）；Microsoft（微软）；RIT（罗切斯特理工学院）；RPI（伦斯勒理工学院）
针对南亚在线社区暴力问题，构建了首个孟加拉语宗派表达数据集（13K句子），提出7步专家标注框架，并验证了微调语言模型在暴力检测中的有效性。
2024-04-17 cs.CL cs.CY
Mapping for accessibility: A case study of ethics in data science for social good
新兴数据科学领域的道德规范经常通过警示性故事来讨论，这些故事讲述了知名公司或组织失误的可怕后果。我们采取了不同的方法，突出了数据科学日常工作中涉及的道德问题，重点关注数据科学家认识到、应对和认真应对道德挑战的情况。本文介绍了一个案例研究的伦理困境中出现的“数据科学为社会公益”（DSSG）项目的重点是改善导航的人行动不便。我们描述了这个特殊的DSSG团队如何应对这些困境，以及这些反应如何引起更多的困境。虽然这里讨论的案例细节是独特的，但它们所揭示的伦理困境通常可以在许多DSSG项目中找到。其中包括：加剧差异的风险;算法问责制的棘手性;新技术带来的不断变化的恶作剧机会;任何数据密集型项目的核心都是主观和充满价值的解释;数据放大或压制特定声音的可能性;侵犯隐私的可能性;以及技术解决方案主义的愚蠢。根据我们对团队对这些困境的反应的跟踪，我们提取了道德数据科学实践的经验教训，这些经验教训可以更普遍地应用于DSSG项目。具体来说，这个案例的经验突出了以下几点的重要性：1）尽早为道德思维做好准备2）认识到道德决策是一种新兴现象，与数据科学为社会公益所做的不懈努力交织在一起3）将道德思维视为对优先事项的深思熟虑和有意的平衡，而不是对与错的二元区分。
2017-10-18 cs.CY
Mapping the Emerging Social Science of Large Language Models
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Xidian University（西安电子科技大学）；The University of Edinburgh（爱丁堡大学）
该研究通过大规模语料库和多种文本分析方法，构建了LLM社会科学的三领域分类体系，揭示研究分布与场所差异，为理解其社会影响提供可复现框架。
2026-10-30 cs.AI cs.CL cs.CY
An integrated view of Quantum Technology? Mapping Media, Business, and Policy Narratives
University of St. Gallen（圣加仑大学）
本研究结合BERTopic建模与定性评估，分析20年间政府、商业、媒体三类文本中的量子技术叙事，发现不同领域话语侧重不同，指出需推动知情的公共话语以助力量子技术融入社会。
2024-09-20 cs.CY
Correlations of consumption patterns in social-economic networks
我们分析了一个耦合的匿名数据集，收集了大量个人的移动电话通信和银行交易历史。在绘制社会结构和引入社会经济地位，人口特征和个人购买习惯的指标后，我们发现，典型的消费模式与确定的社会经济阶层密切相关，从而导致社会结构分层模式。此外，我们测量商家类别之间的相关性，并引入一个相关网络，出现了一个有意义的社区结构。我们检测商家类别之间的多元关系，并显示个人购买习惯的相关性。我们的工作提供了新的和详细的洞察社会和消费行为之间的关系，在推荐系统设计的潜在应用。
2017-12-21 cs.CY cs.SI physics.soc-ph
Mapping the AI Divide in Undergraduate Education: Community Detection in Disciplinary Networks and Survey Evidence
Nanjing University（南京大学）；School of Journalism and Communication, Nanjing University（南京大学新闻传播学院）
该研究结合网络科学与南京大学301名学生的调查，识别本科教育中四类学生社区，发现AIGC素养与动机效能感存在学科差异，技能效能感部分中介该差距，提出可通过课程结构与跨学科融合诊断解决AI鸿沟的可扩展框架。
2025-10-22 cs.CY physics.ed-ph
Mapping the individual, social, and biospheric impacts of Foundation Models
本文针对AI治理过度关注技术安全与推测性风险而忽视现实社会伦理挑战的问题，提出一个批判性框架，识别14类风险与危害，并按个人、社会和生物圈影响进行映射，以指导推进负责任AI的干预措施。
2024-07-24 cs.CY
Who Evaluates AI's Social Impacts? Mapping Coverage and Gaps in First and Third Party Evaluations
University of California, Berkeley（加州大学伯克利分校）
通过分析186份第一方发布报告和248份第三方评估来源，结合开发者访谈，揭示了第一方报告稀疏且流于表面，而第三方评估更广泛深入，但数据溯源、内容审核劳动等关键领域存在披露缺口，呼吁政策强制开发者透明化并加强独立评估生态。
2026-05-30 cs.AI cs.CY cs.LG
Mapping the Spiral of Silence: Surveying Unspoken Opinions in Online Communities
Stanford University（斯坦福大学）
研究通过对比公开和私下意见，揭示社交媒体中沉默螺旋现象，发现少数意见者更沉默，社区设计因素影响自我沉默，提出积极强化等对策。
2026-03-16 cs.CY cs.HC cs.SI
Emotions make cities live. Towards mapping emotions of older adults on urban space
理解人与城市空间之间的互动对于包容性决策过程至关重要。智能手机和社交媒体可以成为关于城市空间的行为和声明数据的丰富来源，但它可能会排除老年人的声音。本文提出的平台试图解决这一问题。提出了一种基于Pluchik情感轮的通用标注机制。对平台的可用性进行了测试，并提出了进一步研究的方向。
2017-06-30 cs.CY
Mapping Election Toxicity on Social Media across Issue, Ideology, and Psychosocial Dimensions
University of Southern California（南加州大学）
研究通过分析社交媒体上的选举讨论，探讨毒性在不同议题、意识形态及心理社会维度上的差异，揭示毒性表达的驱动因素及情感与道德框架的影响。
2026-04-18 cs.CL cs.CY cs.SI
Wayfinding through the AI wilderness: Mapping rhetorics of ChatGPT prompt writing on X (formerly Twitter) to promote critical AI literacies
University of Arizona（亚利桑那大学）
本研究通过分析X平台上32,000条关于ChatGPT提示词写作的帖子，结合数字写作研究传统与混合方法，揭示了五种新兴AI素养实践主题，为数字写作教师和研究者促进批判性AI素养提供了方法论指导与关键启示。
2025-10-30 cs.AI cs.CL cs.CY
Big IoT and social networking data for smart cities: Algorithmic improvements on Big Data Analysis in the context of RADICAL city applications
National Technical University of Athens（雅典国立技术大学）；Harokopio University of Athens（哈罗科皮奥大学）；University of Cantabria（坎塔布里亚大学）
在本文中，我们提出了一个基于SOA（面向服务架构）的平台，可以检索和分析来自社交网络（SN）站点和物联网（IoT）设备的大数据集，这些数据集由智能城市应用程序和社交感知数据聚合服务收集。参与城市化、增强现实和声音映射领域的大量城市应用正在参与城市中应用，从而产生了数百万用户生成的事件集和在线SN报告，并输入到RADICAL平台。此外，我们研究了数据分析（如情感分析）在保存到SQL数据库中的物联网和SN数据组合中的应用，进一步研究了算法和配置，以最大限度地减少数据集处理和结果检索的延迟。
2016-07-02 cs.CY cs.LG cs.SI
Mapping Informal Settlements in Developing Countries using Machine Learning and Low Resolution Multi-spectral Data
University of Oxford（牛津大学）；DFKI（德国人工智能研究中心）；TU Kaiserslautern（凯泽斯劳滕工业大学）；DLR Institute for Planetary（德国航空航天中心行星研究所）；Kings College London（伦敦国王学院）；Czech Geological Survey（捷克地质调查局）；University of Warsaw（华沙大学）
非正规住区是地球上社会和经济上最脆弱的人的家园。为了提供有效的经济和社会援助，联合国儿童基金会（儿童基金会）等非政府组织需要非正规住区位置的详细地图。然而，关于非正规和正规住区的数据基本上没有，即使有，也往往不完整。部分原因是大规模收集数据的成本和复杂性。为了应对这些挑战，我们在这项工作中提供了三个贡献。1)一个全新的机器学习数据集，专门为非正式定居点检测而开发。2)我们表明，它是可以检测非正规住区使用免费提供的低分辨率（LR）的数据，与以前的研究，使用甚高分辨率（VHR）卫星和航空图像，这是成本高昂的非政府组织。3)我们展示了两个有效的分类方案，我们策划的数据集，一个是具有成本效益的非政府组织和另一个是成本高昂的非政府组织，但有额外的效用。我们将这些方案集成到一个半自动化的管道中，该管道将LR或VHR卫星图像转换为编码非正式定居点位置的二进制地图。
2019-05-30 cs.CV cs.CY cs.LG
