Sep, 2022

LibertyMFD：衡量自由道德基础的词汇表

PDF
TL;DR本研究提出两种基于在线新闻资源的数据驱动方法，生成两个候选词典，经过广泛的实验后，为研究界贡献了一种新的词典，可以评估自我表达方式不同观点的个人在文本中的自由道德基础，这对于决策者理解各种有争议的社会问题，如疫苗接种，堕胎或起义等，可能是一种有价值的工具。
moral foundation theoryliberty foundationdata-driven approacheslexiconlibertymfd dictionary
发现论文，激发创造
  • 大型语言模型的道德基础

    本文通过使用道德基础理论分析研究已知的大型语言模型，发现它们存在特定的道德偏见，并展示了这些偏见与人类道德基础和政治倾向之间的关系。此外，研究还衡量了这些偏见的一致性，并证明了通过不同上下文的选择性引导可以影响模型在后续任务中的行为，从而揭示了大型语言模型承担特定道德立场的潜在风险和意外后果。

    Oct, 2023

  • MoralStrength: 利用道德词汇表和嵌入相似性进行道德基础预测

    该研究基于 WordNet 同义词集扩展 Moral Foundations Dictionary，提出 MoralStrength，这是一个包含约 1000 个引文的词汇表，并提供了众包数字评估 Moral Valence。该研究证明了 MoralStrength 具有良好的预测潜力，其统计学特征优于目前最先进的技术。

    Apr, 2019

  • 利用关系学习在政治推文中识别道德框架

    本文提出了一种表示框架，在不同的实体中组织道德态度，并推出了一个质量高的美国政客推文的带注释数据集；随后，我们提出了一种关系学习模型来同时预测实体的道德态度和道德基础。我们进行了定性和定量评估，表明不同政治意识形态的实体之间的道德情感差异很大。

    Sep, 2021

  • 道德基础 Reddit 语料库

    本文介绍了一种基于 Moral Foundations Theory 框架的 Moral Foundations Reddit Corpus，该语料库可以用于通过自然语言处理和计算方法提取 8 种品德情感，并提供了基于该语料库的分类结果。

    Aug, 2022

  • 用定量的道德基础增强立场分类

    通过结合更深层的心理属性，特别是个体的道德基础，本研究增强了社交媒体上的立场检测，旨在提供个体的道德关注的全面特征，并发现具体的道德基础与在线立场之间的关联，从而帮助预测个体对特定目标的立场。

    Oct, 2023

  • 基于文本推断道德情感变化

    我们提出了基于文本的框架，通过纵向语料库研究公众道德情感变化。我们的方法建立在语言使用可以反映人们对对与错的道德观念之上，并通过探索从时间序列的词嵌入中学习到的道德偏见来构建我们的方法论。我们的研究为应用自然语言处理技术对社会中的道德情感变化进行表征提供了机会。

    Jan, 2020

  • 大型语言模型是否是道德伪君子？基于道德基础的研究

    该论文研究了最新的大语言模型（LLMs），GPT-4 和 Claude 2.1 是否是道德伪君子，通过运用道德基础理论提出的两种研究工具来评估它们对人类价值的符合度，并发现它们在抽象道德评判和具体道德违背行为之间存在矛盾和伪善行为。

    May, 2024

  • 新闻报道的道德框架和意识形态偏见

    该研究论文描述了一种基于道德基础理论的无监督方法，用于在新闻报道中提取道德框架的偏见和强度，以量化新闻报道的偏见和党派性，并验证了该方法在 Twitter 数据集上的性能。

    Sep, 2020

  • MoralBERT：社会话语中道德价值的检测

    通过精心设计的 MoralBERT 模型，结合社交媒体平台的标注道德数据，探索了道德预测及领域适应技术在理解有争议的社会议题上的应用，结果表明在领域内的预测模型明显优于传统模型，但领域外的泛化仍需进一步探索。

    Mar, 2024

  • 探索和引导大型语言模型的道德罗盘

    该研究对最先进的大型语言模型进行了综合比较分析，评估了它们的道德特性，发现专有模型主要以功利主义为基础，而开源模型更符合价值伦理学；另外，通过道德基础问卷，除了 Llama 2 外，所有被调查模型都显示出明显的自由主义偏见；最后，为了对其中一个研究模型进行因果干预，提出了一种新颖的相似性激活引导技术。通过该方法，可以可靠地引导模型的道德观达到不同的伦理学派别。所有这些结果表明，已经部署的大型语言模型存在一个常常被忽视的道德维度。

    May, 2024