Understanding Opinions Towards Climate Change on Social Media
원문 초록
Social media platforms such as Twitter (now known as X) have revolutionized how the public engage with important societal and political topics. Recently, climate change discussions on social media became a catalyst for political polarization and the spreading of misinformation. In this work, we aim to understand how real world events influence the opinions of individuals towards climate change related topics on social media. To this end, we extracted and analyzed a dataset of 13.6 millions tweets sent by 3.6 million users from 2006 to 2019. Then, we construct a temporal graph from the user-user mentions network and utilize the Louvain community detection algorithm to analyze the changes in community structure around Conference of the Parties on Climate Change~(COP) events. Next, we also apply tools from the Natural Language Processing literature to perform sentiment analysis and topic modeling on the tweets. Our work acts as a first step towards understanding the evolution of pro-climate change communities around COP events. Answering these questions helps us understand how to raise people's awareness towards climate change thus hopefully calling on more individuals to join the collaborative effort in slowing down climate change.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
논쟁적 정치 담론에서의 암묵적 전제(Enthymeme) 탐지를 위한 리소스
A Resource for Enthymeme Detection in Controversial Political Discourse
암묵적 전제(Enthymeme)는 명시되지 않은 전제나 결론을 포함하는 논증으로, 설득적인 담론에 널리 퍼져 있으나 이에 대한 주석 달기는 여전히 악명 높을 정도로 주관적입니다. 우리는 라벨 변동성을 연구하기 위해 설계된, 정치적으로 논쟁적인 담론의 1,482개 트윗으로 구성된 리소스를 제시합니다. 이 데이터는 5명의 주석자가 암묵적 전제의 존재 여부와 그 논증 구조에 대해 주석을 달았습니다. 우리는 먼저 암묵적 전제의 정의를 재조명하고 월튼(Walton)의 논증 스킴에 기반을 둔 주석 가이드라인을 제안하며, 이는 구조적이고 제한적인 접근 방식을 제공하면서도 과제의 해석적 성격을 고려한 여지를 보존합니다. 이는 불일치를 제거하는 경향이 있어 그 원인을 모호하게 만들고 모델 성능에 미칠 수 있는 잠재적 이점에 대한 조사를 방해했던 과거의 리소스와 대조됩니다. 또한, 우리는 과제의 복잡도 분석을 제안하여 주석 작업이 높은 인지 부하를 주고 주석 불일치를 야기할 수 있는 지점을 식별합니다. 우리의 예비 실험에 따르면, 주석자 불일치로 학습된 모델이 단순 다수결 라벨로 학습된 모델보다 성능이 더 뛰어납니다. 마지막으로, 암묵적 전제의 정의와 가이드라인에 있는 구조적 개방성이 인간 추론과 관련된 미래의 리소스 및 다운스트림 자연어 처리(NLP) 애플리케이션을 위해 주관적 추론 과정의 변동성 연구를 어떻게 가능하게 하는지 고찰합니다.
다중모달 정서 해석을 위한 토큰-영역 유도 교차 어텐션 융합
Token-Region Guided Cross-Attention Fusion for Multimodal Affect Interpretation
소셜 네트워크상의 다중모달 콘텐츠에 대한 자동 분석은 디지털 시대에 대중 정서와 정보 확산을 이해하기 위한 핵심 과제가 되었다. 그러나 인터넷 밈 분류는 시각적 단서와 내장된, 종종 스타일화된 텍스트 간의 복잡한 상호작용으로 인해, 특히 벵골어와 같은 저자원 언어에서는 여전히 계산적으로 어려운 과제로 남아 있다. 본 논문은 Multimodal Cross-Attention Fusion 프레임워크를 도입하여 벵골어 밈에서의 정치적 의도 탐지 문제를 다룬다. 먼저 비전-언어 모델(Vision-Language Model)을 활용하여 노이즈가 많은 밈 이미지로부터 고품질 OCR 텍스트를 추출한다. 이어서 시각 및 텍스트 특징을 인코딩하고, 의미 토큰을 시각 영역과 정렬하는 교차 모달 다중 헤드 어텐션 메커니즘을 통해 이를 융합한다. 또한 도메인 특화 정치 어휘집을 지식 사전(knowledge prior)으로 통합하는 방안을 탐구한다. PoliMemeDecode1 데이터셋에 대한 실험 평가 결과, 우리의 어텐션 기반 융합은 단일 모달 기준선 및 표준 연결(concatenation) 방법을 크게 능가하며, 약 0.94의 최첨단 Macro-F1을 달성하였다. 해석 가능성 분석은 또한 모델이 텍스트 의미를 시각적 증거에 효과적으로 그라운딩(grounding)하도록 학습함을 확인한다.
슬라브어권 설득 기법 말뭉치
A Corpus of Persuasion Techniques in Slavic Languages
설득 기법은 다양한 미디어에서 여론을 움직이는 데 사용되는 강력한 수사적 도구이다. 우리는 슬라브어에 초점을 맞춘 새로운 설득 기법 말뭉치를 제시한다. 본 말뭉치는 불가리아어, 폴란드어, 러시아어로 작성된 문서를 포함하며, 거친 단위의 텍스트 범위 수준과 세밀한 문장 수준에서 설득 기법이 주석 처리되어 있다. 해당 기법들은 여섯 가지 광범위한 수사적 설득 전략 범주로 묶인 25개의 세밀한 설득 기법 분류 체계에서 도출된다. 본 말뭉치는 국내외적으로 뜨겁게 논의되는 주제를 다루는 222개 문서에서 약 7,500개의 텍스트 범위를 포함한다. 우리는 말뭉치 구축 과정을 설명하고 상세한 통계를 제공하며, 주제와 설득 기법 간의 상관관계를 분석한다. 텍스트 범위 수준 및 문장 수준에서 설득 기법의 탐지 및 분류(classification)를 위한 기준선과 벤치마크 결과를 제공하기 위해 고전적 ML 기반 모델과 생성형 AI 기반 모델을 활용한다.
불안의 메아리: 가짜 뉴스 및 폭력 유발 집단 행동의 조기 경보를 위한 멀티모달 자연어 처리 프레임워크
Echoes of Unrest: A Multimodal NLP Framework for Early Warning of Fake News and Violence-Driven Mob Activity
소셜 미디어의 급격한 성장은 신속한 정보 교환을 가능하게 함으로써 전 세계 커뮤니케이션을 변화시켰지만, 동시에 잘못된 정보의 확산을 가속화하였다. 가짜 뉴스, 조작된 콘텐츠, 자극적인 서사는 사회적 불안, 정치적 불안정, 집단 폭력과 점점 더 깊이 연관되고 있다. 남아시아 및 기타 지역의 사례들은 Facebook과 WhatsApp 같은 플랫폼을 통해 유포된 허위 정보가 실제 피해를 초래할 수 있음을 보여주며, 이는 팩트체킹 노력이 대응하는 속도보다 빠르게 확산되는 경우가 많다. 이 문제를 해결하기 위해, 본 장에서는 잘못된 정보와 폭력 위험 역학의 조기 탐지를 위한 다국어 멀티모달 자연어 처리(NLP) 프레임워크를 제시한다. 여러 벤치마크 데이터셋을 결합하여 벵골어(Bangla)와 영어 샘플 138,256개로 구성된 융합 데이터셋을 구축하였다. 본 프레임워크는 다국어 텍스트 표현을 위한 XLM-RoBERTa, 시각적 임베딩을 위한 CLIP, 멀티모달 융합을 위한 멀티헤드 어텐션(multi-head attention) 메커니즘을 통합하며, 풍자(sarcasm) 및 지리공간 메타데이터와 같은 보조 특징으로 강화되었다. 계층적 30% 서브셋에 대한 실험에서 높은 정밀도와 재현율을 유지하며 98%의 테스트 정확도를 달성하였다. 실험 결과는 조기 잘못된 정보 탐지에서 멀티모달 접근법의 효과를 입증하며, 실제 상황의 갈등 고조를 예측하는 데 있어 지리공간 신호의 부가적 가치를 강조한다.
정보 환경 분석을 위한 다층 AI 프레임워크
A Multi-Layer AI Framework for Information Landscape Analysis
본 논문은 정보 혼란(information disorder) 맥락에서 정보 환경 분석을 위한 다층 AI 프레임워크를 제안한다. 오보 탐지를 이진적 팩트체킹 과제로 다루기보다, 이 프레임워크는 출처 신뢰성, 사실 구조, 프레이밍, 바이어스, 감정 활성화, 조작 패턴, 전파 역학 등 다양한 차원에서 정치·미디어 콘텐츠를 분석한다. 목표는 고립된 주장 검증을 넘어, 사건·개체·서사를 둘러싼 정보 환경에 대한 구조화된 표현으로 나아가는 것이다. 우리는 미디어 분석을 위한 AI 시스템이 인식론적 매핑(epistemic mapping)을 지원해야 한다고 주장한다. 이는 시간에 따라 사실, 해석, 행위자, 서사가 어떻게 상호작용하는지에 대한 투명하고 다차원적인 설명이다. 본 논문은 정보 혼란 연구를 위해 더 미묘하고, 설명 가능하며, 비판적으로 유용한 도구를 지원하는 것을 목표로, 해당 프레임워크의 개념적 아키텍처, 분석 층, 방법론적 근거를 제시한다.
Leveraging Social Media Data for COVID-19 Studies
토론
이 논문과 연결된 포럼 글이 아직 없습니다.