现代民主面临公民参与度下降的关键问题。网络讨论论坛是增强公民参与的重要途径。该研究提议通过自然语言处理结合人工智能技术解决在线大规模讨论中的挑战,并研究这些技术能在在线讨论中揭示的个人观点。我们提出了一个由人工智能和大型语言模型组成的三层层级结构来表示观点,展示这些表示形式如何洞察观点的多样性以及允许我们研究在线讨论中的互动。
May, 2024
社交媒体分析是通过复杂网络分析和自然语言处理的工具来分析社交互动、用户生成的内容和偏见的现象,主要围绕在线辩论、在线支持群体和人类与人工智能的互动展开讨论,同时强调社交媒体内部的双重困境与可能性,以及人机生成内容中隐藏的人类和非人类偏见。
Mar, 2024
本研究利用大规模实验展示了如何用人工智能工具改善有争议话题的在线对话,从而提高参与者认为自己在会话中被理解的感受和对话的质量,减少政治分歧和恶意,而不改变对话内容或人们的政策态度。
Feb, 2023
为了在在线平台中提高用户的代表性,我们提出了一种端到端的多样化机制,包括检索、排名和负责平衡多样性和实用性的多目标优化;实验结果表明这种方法显著提高了多样性,并且在实用性方面具有中性到正面的影响。
May, 2023
我们通过分析小组对 Wason 卡片选择任务的讨论,评估认知多样性对小组决策成功的影响,结果表明较高的认知多样性与更成功的小组讨论相关。
Feb, 2024
本文旨在阐述关于社交网络数据驱动和理论支持的复杂模型的最新进展及其在理解社会不平等和边缘化方面的潜力。特别关注网络与基于网络的算法所引起的不平等问题,以及如何影响少数群体的感知和协作模式,最后指出该领域面临的主要挑战和未来机遇。
Jun, 2022
本文通过提出一种新的度量方法和一种称为 Diversity Threshold Generation 的新生成程序来改进对话生成,从而在多样性方面取得了显著进展。
May, 2022
该研究提出了一种新的算法来缓解图像搜索结果中的偏见和缺乏多样性,通过选择一组具有多样性的可视控制图像,有效实现隐式多样性,测试结果显示,该算法在保持准确度的同时提高了图像搜索结果的可见多样性。
Jan, 2019
本文研究了精神健康相关的在线求助帖子中,自识别为精神健康专家与同龄人的回复差异,使用语言学分析探讨二者交互中的语言使用和互动特点,以期为理解健康专家在社交网络中与信息和支持寻求者的互动作出贡献。
Jun, 2021
该研究基于不完全信息和灵活公平标准,通过异构图探索社会多样性对终局博弈的影响,并发现了降低公平要求下利用某些个体影响力的机制来进一步降低支出的结果,为引导社会多元体系中的机构政策提供新的见解。
Nov, 2022