Automatically Characterizing Targeted Information Operations Through Biases Present in Discourse on Twitter
George Washington University(乔治华盛顿大学)
本文考虑了通过人工智能自动表征可能与新兴信息操作相关的整体态度和偏见的问题。对这些新兴话题的准确分析通常需要专家进行费力的手动分析,以注释数百万条推文,以识别新话题中的偏见。我们将Caliskan等人的词嵌入关联测试扩展到一个新的领域(Caliskan,2017)。我们的实用和无监督的方法是用来量化的偏见,促进信息操作。我们验证我们的方法使用已知的信息操作相关的推文从Twitter的透明度报告。我们对COVID-19大流行进行了案例研究,以评估我们的方法在未标记的Twitter数据上的性能,证明其在新兴领域的可用性。
2020-12-04 cs.CL cs.CY cs.LG
Gender-Based Violence in 140 Characters or Fewer: A #BigData Case Study of Twitter
公共机构越来越依赖社交媒体网站的数据来衡量公众态度,并提供及时的公众参与。这种依赖包括探讨公众对基于性别的暴力等重要社会问题的看法。在这项研究中,我们研究了在十个月内从Twitter收集的近1400万条推文组成的大(社交)数据,以分析关于GBV的公众舆论,突出了地理位置和性别的推文实践的性质。我们展示了计算社会科学的效用,从语料库中挖掘洞察力,同时考虑到瞬态事件和社会文化因素的影响。我们揭示了公众对GBV容忍度的认识,并提出了干预机会和干预有效性的测量,帮助政府和非政府组织制定政策。
2015-06-29 cs.CY cs.SI
Characterization of Local Attitudes Toward Immigration Using Social Media
移徙是一种世界性现象,可能在人口中产生不同的反应。人们的态度各不相同,从支持多元文化主义和当地人与外国人之间的交流,到对移民的蔑视和仇恨。由于反移民态度往往体现为暴力和歧视行为,因此必须查明这些态度的特征因素。然而,这样做既昂贵又不切实际,因为传统方法需要付出巨大的努力来收集数据。在本文中,我们建议利用Twitter来描述当地对移民的态度,并以智利为例进行研究,近年来移民人口急剧增加。使用半监督主题建模,我们将49,000名用户定位在从赞成到反对移民的范围内。我们从两个方面描述了这两种态度的特点:与每种态度相关的情感和词汇类别,以及讨论网络结构。我们发现,讨论主要是由海地移民驱动的;讨论的趋势和极性存在时间趋势;网络上的行为与态度不同。这些见解可使决策者了解人们对移徙的感受,并对政策沟通和干预措施的设计产生潜在影响,以改善群体间关系。
2019-03-12 cs.CY cs.SI
"Double vaccinated, 5G boosted!": Learning Attitudes towards COVID-19 Vaccination from Social Media
University of Luxembourg(卢森堡大学)
为解决疫苗犹豫影响COVID-19疫苗接种工作的问题,了解公众疫苗接种态度并及时掌握其变化至关重要。尽管可靠性和可信度,传统的态度收集的基础上的调查是耗时和昂贵的,不能跟随疫苗接种态度的快速演变。我们利用社交媒体上的文本帖子,通过提出一个深度学习框架,近实时地提取和跟踪用户的疫苗接种立场。为了解决语言特征的影响,如在疫苗相关的话语中常用的讽刺和讽刺,我们将用户的社交网络邻居的最近的帖子整合到框架中,以帮助检测用户的真实态度。基于我们来自Twitter的注释数据集,与最先进的纯文本模型相比,从我们的框架实例化的模型可以将态度提取的性能提高23%。使用这个框架,我们成功地验证了使用社交媒体来跟踪现实生活中疫苗接种态度演变的可行性。我们进一步展示了我们的框架的一个实际用途,通过验证预测用户的疫苗犹豫变化与从社交媒体感知的信息的可能性。
2022-06-27 cs.CY cs.LG cs.SI
CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information
作为一个平台,Twitter一直是讨论COVID-19疫情的重要公共空间。Twitter等公共社交媒体平台是参与大流行病的重要网站,这些数据可供研究团队用于社会、健康和其他研究。了解公众对COVID-19的看法以及信息如何在社交媒体上传播对政府和研究机构非常重要。Twitter是一个无处不在的公共平台,因此在了解公众对COVID-19的看法、行为和态度方面具有巨大的效用。在这项研究中,我们展示了CML-COVID,这是一个COVID-19 Twitter数据集,包含来自5,977,653个独立个体的19,298,967百万条推文,并总结了这些数据的一些属性。这些推文是在2020年3月至2020年7月期间使用与COVID-19相关的冠状病毒、COVID和口罩等查询词收集的。我们使用主题建模、情感分析和描述性统计来描述我们收集的与COVID-19相关的推文以及推文的地理位置(如有)。我们提供有关如何访问我们的tweet数据集的信息(使用twarc存档)。
2021-01-28 cs.CY cs.HC cs.SI
Social Media COVID-19 Misinformation Interventions Viewed Positively, But Have Limited Impact
在COVID-19错误信息的传播中,Facebook和Twitter等社交媒体平台推出了设计干预措施,包括链接到权威资源的横幅和更具体的“虚假信息”标签。2020年3月下旬,在这些干预措施开始出现后不久,我们进行了一项探索性混合方法调查(N = 311),以了解:社交媒体用户对这些干预措施的态度如何,以及他们自我报告的有效性如何?我们发现,大多数参与者对干预措施,特别是错误信息的特定标签表示积极的态度。尽管如此,大多数参与者还是通过其他方式发现或纠正了错误信息,最常见的是网络搜索,这表明平台有更多的空间来阻止COVID-19错误信息的传播。
2020-12-21 cs.CY cs.SI
A thematic analysis of highly retweeted early COVID -19 tweets: Consensus, information, dissent, and lockdown life
目的:公众对COVID-19的态度和社交距离对于减少其传播至关重要。因此,必须了解公众的反应和所有主要形式的信息传播,包括社交媒体。本文调查了公众对COVID-19反应的早期阶段在Twitter上反映的重要问题。设计/方法/途径:对2020年3月10日至29日期间提到COVID-19的转发最多的英语推文进行主题分析。调查结果:87条符合条件的推文(共1400万次转发)的主题为:封锁生活;对社会限制的态度;政治;安全信息; COVID-19患者;对关键工作人员的支持;工作;以及COVID-19事实/新闻。研究限制/影响:Twitter发挥了许多积极的作用,主要是通过非官方的推文。用户分享社交距离信息,帮助建立对社交距离的支持,批评政府的反应,表达对关键工作人员的支持,并帮助彼此应对社交孤立。一些不支持社交距离的热门推文表明,政府的信息有时会失败。实际影响:在未来的公共卫生运动可能会考虑鼓励基层社会网络活动,以支持运动的目标。在方法层面上,分析转发计数强调了政治,忽视了实际执行问题。独创性/价值:这是对一般COVID-19相关转发的第一次定性分析。
2020-10-02 cs.CY cs.DL cs.HC
Socio-spatial Self-organizing Maps: Using Social Media to Assess Relevant Geographies for Exposure to Social Processes
社交媒体为了解种族主义和同性恋恐惧症等态度提供了一个独特的窗口,接触这些态度很重要,难以衡量,也没有充分研究健康的社会决定因素。然而,来自社交媒体的个人地理定位观测是嘈杂的,并且在地理上不一致。现有的暴露测量区域,如邮政编码,平均超过不相关的管理定义的边界。因此,为了能够研究在线社会环境措施,如社交媒体上的态度及其与健康结果的可能关系,首先需要一种方法来定义集体的,潜在的社会媒体态度的程度。为了解决这个问题,我们创建了社会空间自组织地图,“SS-SOM”管道,以最好地识别区域的潜在社会态度从Twitter帖子。SS-SOM使用神经嵌入进行文本分类,并增强传统SOM以生成受控数量的非重叠,拓扑约束和主题相似的聚类。我们发现,SS-SOM不仅对缺失数据具有鲁棒性,而且与使用基于邮政编码的措施相比,使用SS-SOM措施时,易受多种种族主义和同性恋恐惧症相关健康结果影响的男性群体的暴露率变化高达42%。
2018-09-04 cs.CY cs.SI
Twitter Big Data as a Resource for Exoskeleton Research: A Large-Scale Dataset of about 140,000 Tweets and 100 Research Questions
由于其在辅助生活,军事,医疗保健,消防和工业4.0中的众多应用和多种用例,外骨骼技术在最近的过去一直在快速发展。外骨骼市场预计将在未来两年内以目前价值的数倍增长。因此,研究用户对外骨骼的兴趣,观点,意见,观点,态度,接受度,反馈,参与度,购买行为和满意度的程度和趋势至关重要,为此,关于外骨骼的对话的大数据的可用性是必要的。当今生活的万物互联风格,其特征是人们在互联网上花费的时间比以往任何时候都多,特别关注社交媒体平台,通过挖掘相关的社交媒体对话,具有开发此类数据集的潜力。Twitter,一个这样的社交媒体平台,在所有年龄组中非常受欢迎,其中在对话范例中发现的主题包括新兴技术,例如外骨骼。为了应对这一研究挑战,这项工作对这一领域做出了两项科学贡献。首先,它提供了一个开放获取的数据集,其中包含约140,000条关于外骨骼的推文,这些推文在2017年5月21日至2022年5月21日的5年期间发布。第二,基于对大数据、自然语言处理、信息检索、数据采掘、模式识别和人工智能领域的最新工作的全面回顾,这些工作可能应用于相关的Twitter数据,以推进外骨骼研究领域的研究、创新和发现,总共提出了100个研究问题,供研究人员研究、分析、评估,根据这个数据集进行构思和调查。
2022-07-20 cs.CY cs.IR cs.IT
Feasibility Study of Social Media for Public Health Behaviour Changes
Twitter和Facebook等社交网站已被证明是有效的社交传感器,可以“感受社区的脉搏”。目前研究的目的是测试设计、实施和评估一种定制的社交媒体干预措施的可行性,这种干预措施可以有效地以有意义的方式分享和改变知识、态度和行为,以促进公共卫生,特别是预防皮肤癌。我们提出的设计和实施细节的运动,然后总结调查结果和分析。
2017-01-13 cs.CY
ChatGPT in education: A discourse analysis of worries and concerns on social media
本研究通过基于BERT的主题建模和社会网络分析Twitter数据,梳理出教育场景中使用ChatGPT的五类核心顾虑,明确了参与讨论的主力用户群体,为多利益相关方提供政策与实践启示,倡导教育领域AI的伦理合规使用。
2023-04-29 cs.CY
Leveraging Social Media Data to Identify Factors Influencing Public Attitude Towards Accessibility, Socioeconomic Disparity and Public Transportation
University of Oklahoma(俄克拉荷马大学);Howard University(霍华德大学)
本研究利用纽约市36,098条推文,通过自然语言处理和数据融合技术,识别出性别、种族、就业及环境风险等因素显著影响公众对交通无障碍性和社会经济差距的讨论倾向,并提出补贴互联网以促进弱势群体发声。
2024-01-22 cs.CL cs.CY cs.SI
Gendered Divides in Online Discussions about Reproductive Rights
Thomas Lord Department of Computer Science, University of Southern California(美国南加州大学计算机科学系);Information Sciences Institute, University of Southern California(美国南加州大学信息科学研究所);Department of Psychology, Cornell University(康奈尔大学心理学系);Luddy School of Informatics, Indiana University(印第安纳大学琳迪信息学院)
本研究利用X平台近千万条堕胎相关帖子,发现性别显著调节堕胎态度与情感表达,尤其在保守地区造成性别差距,且独立于意识形态,凸显身份在政治表达中的核心作用。
2025-07-07 cs.CL cs.CY
#ILookLikeAnEngineer: Using Social Media Based Hashtag Activism Campaigns as a Lens to Better Understand Engineering Diversity Issues
每年,大量的时间和资源的投资,以提高工程在一系列联邦和州机构,私人/非营利组织和基金会的多样性。尽管进行了数十年的投资,但这些努力并没有产生预期的回报--在STEM劳动力需求不断增加的情况下,少数族裔的参与仍然滞后。近年来出现了一种新的数据流--包括Twitter、Facebook和Instagram在内的在线社交网络--它们是公众社会行为和态度的关键传感器。目前,87%的美国人都参与了社交媒体活动。因此,社交网站已成为社会行动的有力指标,社交媒体数据已显示出研究许多问题的重要前景,包括公共卫生传播,政治运动,人道主义危机和行动主义。我们认为,社交媒体数据同样可以用来更好地理解和改善工程多样性。作为一个案例研究,以说明该方法的可行性,我们提出的调查结果,从运动,#ILookLikeAnEngineer(使用Twitter数据- 19,354原始推文和29,529转推),旨在增加性别多样性的工程工作场所。这一运动为增加与相关受众联系的多样性和新方式的总体努力提供了持续的动力。我们的分析表明,与STEM相关的多样性倡议吸引了来自各种实体的声音,包括个人,大公司,媒体和社区利益团体。
2018-05-05 cs.CY cs.SI
Real-time Road Traffic Information Detection Through Social Media
Georgia Institute of Technology(佐治亚理工学院)
在目前的研究中,提出了一种机制,从互联网上的文本数据中提取交通相关的信息,如拥塞和事件。目前的数据来源是Twitter。由于所考虑的数据在大小上非常大,因此开发了自动化模型以实时的【形】流式传输、下载和挖掘数据。此外,如果任何推文都有与流量相关的信息,那么模型应该能够推断和提取这些数据。目前,该数据仅针对美国收集,共提取了120,000条地理标记的交通相关推文,同时检索了600万条地理标记的非交通相关推文,并训练了分类模型。此外,这些数据还用于各种空间和时间分析。提出了一种计算美国城市交通拥堵、安全和交通感知水平的机制。交通拥堵和安全的各个城市地区的排名,然后他们与现有的广泛采用的排名进行统计验证。交通感知描述了人们对交通的态度和感知。还可以看出,交通相关数据在空间和时间上可视化时提供了与各个城市区域的实际交通流量相同的模式。当在城市级别可视化时,可以清楚地看到推文的流动类似于车辆的流动,并且与交通相关的推文代表城市内的交通。与所有的研究结果在当前的研究中,它表明,大量的交通相关的信息可以从Twitter和互联网上的其他来源提取。此外,Twitter和这些数据源是免费提供的,不受空间和时间限制。也就是说,哪里有用户,哪里就有数据的潜力。
2018-01-16 cs.AI cs.CL cs.CY
Extracting Affect Aggregates from Longitudinal Social Media Data with Temporal Adapters for Large Language Models
本文提出利用时间对齐的大语言模型结合Temporal Adapters对Llama 3 8B微调,从英国Twitter用户的纵向数据中提取情绪和态度聚合指标,并验证其与调查数据显著正相关,为社交媒体纵向分析提供灵活新方法。
2025-01-09 cs.CL cs.CY
Can LLMs Help Predict Elections? (Counter)Evidence from the World's Largest Democracy
本研究提出利用大语言模型分析印度X平台的选举相关推文、通过情感分析预测邦议会选举结果的新方法,验证了其相较传统民调的优势,为印度政治动态及社交媒体的舆论影响提供了新见解。
2024-05-13 cs.CY cs.SI
OCEAN: Open-source Collation of eGovernment data And Networks - Understanding Privacy Leaks in Open Government Data
在过去的几年里,隐私的意识和意识在人们的头脑中有所增加。早些时候,人们在分享个人信息时并没有受到很大的限制,但现在他们在与陌生人分享时更加谨慎,无论是面对面还是在线。由于人们对隐私的期望和态度,很难接受大量信息在网络上公开的事实。印度德里政府以电子政务网站的形式提供信息门户,使人们可以在不匿名的情况下访问此类个人身份信息。多个数据库,例如,选民名册,驾驶执照号码,MTNL电话簿,PAN卡作为德里居民个人信息的存储库。由于印度缺乏适当的隐私成文法,大量可用的个人信息可能会被利用。PII也可以从Facebook、Twitter、GooglePlus等各种社交网站收集,用户在这些网站上分享有关他们的一些信息。由于用户自己将这些信息,它可能不会被视为隐私泄露,但如果信息被聚合,它可能会提供更多的信息,从而导致更大的威胁。为了让公众注意到这些问题,我们开发了电子政务数据和网络的开源整理(OCEAN),这是一个系统,用户只需输入有关一个人的少量信息(例如姓名),就可以获得有关他/她的大量个人信息,如姓名,年龄,地址,出生日期,母亲的姓名,父亲的姓名,选民ID,驾驶执照号码,PAN。
2013-12-10 cs.CY
Dashboard of sentiment in Austrian social media during COVID-19
为了在COVID-19大流行期间接近实时地跟踪奥地利人口的在线情绪表达,我们使用来自三个不同数据源的数字痕迹建立了一个自我更新的情绪动态监测器。这使决策者和感兴趣的公众能够评估诸如对疫情期间采取的应对措施的态度以及早期可能出现的(精神)健康危机等问题。我们使用网络抓取和API访问从新闻平台derstandard.at、Twitter和学生聊天平台检索数据。我们记录了我们的工作流程的技术细节,以便为其他有兴趣为不同背景构建类似工具的研究人员提供材料。自动文本分析使我们能够突出显示COVID-19期间语言使用的变化,并与中性基线进行比较。我们使用特殊的词云来可视化整体差异。纵向来看,我们的时间序列显示焦虑的峰值可能与几个事件和媒体报道有关。此外,我们发现愤怒明显减少。这些变化持续的时间非常长(长达12周)。我们讨论这些和更多的模式,并将它们与集体情绪的出现联系起来。展示我们数据的交互式仪表板可在http://www.mpellert.at/covid19_monitor_austria/上在线获取。我们的工作吸引了媒体的关注,并成为奥地利国家图书馆收集的COVID-19网络资源档案的一部分。
2020-06-19 cs.CY cs.HC cs.SI
COVID-19 Vaccine Misinformation Campaigns and Social Media Narratives
University of Southern California(南加州大学)
COVID-19疫苗的犹豫增加了人们对克服大流行和保护公众健康所需的疫苗接种的担忧。与反疫苗态度相关的一个关键因素是社交媒体上分享的信息。在这项工作中,我们调查了可能导致COVID-19疫苗犹豫的错误信息社区和叙述。疫情期间,社交媒体上反科学和政治错误信息/阴谋猖獗。因此,我们调查了收集的关于COVID-19疫苗的Twitter数据中的错误信息和阴谋集团及其特征行为。我们确定是否存在任何可疑的协调努力,以促进疫苗的错误信息,并发现两个可疑的团体-一个促进“大重置”阴谋,这表明大流行是由世界领导人精心策划的,以控制经济,与疫苗有关的错误信息和强烈的反疫苗和反社会信息,如没有封锁;另一个促进生物武器理论。被宣传的错误信息主要来自反疫苗和极右翼社区,在转发图的3个核心中,其推文中阴谋和可疑来源的比例要高得多。与主流和健康新闻相比,右倾社区更受反疫苗和极右翼社区的影响,这也反映在美国左翼和右翼各州截然不同的疫苗接种率上。除了其他行为差异外,错误信息社区在疫苗或其他讨论中也比其他社区更有发言权。
2022-04-01 cs.CY cs.LG cs.SI
MoralBERT: A Fine-Tuned Language Model for Capturing Moral Values in Social Discussions
Queen Mary University of London(伦敦玛丽女王大学);ISI Foundation(ISI基金会)
本文提出MoralBERT,一种基于道德基础理论微调的语言模型,用于捕捉社会讨论中的道德价值观,通过聚合和领域对抗训练,在多个数据集上显著优于词典方法和GPT-4零样本分类,实现无需标注的有效道德学习。
2024-07-19 cs.CL cs.CY