Jun, 2024

社交媒体上的社会运动构架：解析诊断、预测和动机策略

PDF
TL;DR社交媒体在 2018-2019 年围绕枪支、移民和 LGBTQ 权利等三个问题的社会运动中，使活动人士能够直接与公众沟通，并为运动领袖、参与者、旁观者和反对者提供一个共同构建和竞争叙事的空间。我们创建了一个代码书、注释数据集和计算模型，以检测诊断性（问题识别和归因）、预测性（提出解决方案和策略）和动机性（行动呼吁）的框架策略。我们对每个框架策略进行了深入的非监督语言分析，并揭示了框架与代词和义务性情态动词等语言特征之间的运动间关联性。最后，我们比较了不同议题以及其他社会、文化和互动背景下的框架策略。例如，我们表明诊断性框架在回复中比在原始广播帖子中更常见，而社会运动组织更侧重于预测性和动机性框架，而不是记者和普通公民。
social mediaactivistsframing strategieslinguistic analysisdiagnostic framing
发现论文，激发创造
  • 社交媒体上移民话语框架建模

    研究了社交媒体上普通民众如何表述移民政策议题，发现使用特定帧对话题更有针对性、更易引发用户参与，同时用户意识形态和地域也影响他们的话语选择和反应。此研究为自然语言处理和社科研究提供了新的贡献。

    Apr, 2021

  • 理解最高法院争议的差异框架：社交媒体 vs 新闻机构

    通过定性和定量研究美国最高法院关于平权行动、学生贷款和堕胎权的系列裁决，发现社交媒体和传统媒体在政治问题的框架中存在重要差异和极化，对公众舆论、政策决策和整个政治环境的形成产生重大影响。

    Sep, 2023

  • 在社交媒体中分析极化趋势：以 21 起大规模枪击事件中的推文为例

    本文提出了一种基于 NLP 的框架，通过分析话题选择、表达方式、情感和言语作用等四个维度来研究社交媒体中的政治极化。作者通过现有的词汇方法量化这些方面，并提出了利用聚类技术识别分析主题的方法。作者将这些方法应用于对 21 起大规模枪击事件中的 4.4M 条推文进行研究，发现这些事件的讨论在政治上高度极化。结果表明，共和党更关注枪手和事件特定事实，而民主党则更关注受害者和政策变化的呼吁。同时，作者还发现了一些引导言论极化的表达方式，诸如 “基础事实” 以及 “恐怖分子” 和 “疯子” 这两个术语的不同使用。该研究深入了解了语言中的群体分裂表现方法，并提供了计算方法来研究这些现象。

    Apr, 2019

  • 多语言新闻框架分析扩展研究

    本研究探索了通过众包进行数据集创建的可能性，利用非专家注释员开发训练语料库，扩展了多语种的媒体框架分析并提供了孟加拉语和葡萄牙语的新基准数据集，展示出在众包数据集的基础上与其他现有数据集相结合，从而使基线提高 5.32 个百分点，并发现任务特定的精调是比使用更大的非专业模型更好的方法。

    Apr, 2024

  • 健康相关叙事的框架分析：阴谋论与主流媒体

    我们研究了在线媒体对健康相关话题的框架，特别是在阴谋理论和主流媒体中的不同框架。我们采用了一种基于语义图的新颖框架提取方法，发现阴谋媒体中的健康相关叙述主要以信念为框架，而主流媒体则倾向于以科学为框架。我们希望我们的工作为更细致的框架分析提供新的方法。

    Jan, 2024

  • 社交媒体上的选举活动：政治家、受众和 Facebook 和 Twitter 上政治传播的介质

    通过对 2013 年德国联邦选举的研究与调查，本文探讨了政客如何在不同的社交媒体平台上进行政治传播，并运用人工智能贝叶斯语言模型来确定政治话题，发现政客与大众受众关注的话题有所不同，并说明政客在 Facebook 和 Twitter 上的使用目的不同，这些发现有助于概括社交媒体上的政治传播特点。

    Jan, 2018

  • 揭示真相与促进变革：面向基于代理的大规模社会运动模拟

    这篇研究论文介绍了一种用于仿真社交媒体用户行为的混合框架，其中核心用户由大型语言模型驱动，而普通用户则采用演绎式基于代理模型。我们进一步构建了一个类似 Twitter 的环境来复制用户对触发事件的响应动态，并开发了一个多方面的评估基准 SoMoSiMu-Bench 进行全面实验。实验结果表明了我们方法的有效性和灵活性。

    Feb, 2024

  • 通过遮蔽语言建模捕捉主题框架

    通过大规模的调整语言模型，提出了一种建模差异语境的框架，该框架能够捕捉传统媒体和社交媒体上政治性偏见问题的高度可靠性。

    Feb, 2023

  • 网络讨论论坛中的问题框架

    本文通过引入一个新的在线讨论语料库，探讨了如何通过多任务和对抗式训练的方法，在只有目标域未标记训练数据的情况下，将新闻和社交媒体中训练的框架检测模型转移到讨论论坛领域的程度。

    Apr, 2019

  • 「两种运动的故事」：使用弱监督基于图的结构化预测方法识别和比较 #BlackLivesMatter 和 #BlueLivesMatter 运动相关推文中的观点

    社交媒体成为社会变革的重要推动力，通过促进在线社会运动的形成。我们提出了一种基于弱监督图模型的方法，明确地建模了与 #BackLivesMatter 相关的推文中的观点。我们的方法利用了数据的社会 - 语言学表示，通过将文本分解为结构化元素并将其与作者的社交网络连接来将其转化为图形，然后在元素上进行结构化预测以识别观点。我们的方法利用了少量有标签的样本集。我们尝试使用大型语言模型生成人工训练样本，并将其与手动注释进行比较，发现其性能达到了可比较的水平。我们使用人工注释的测试集进行定量和定性分析。我们的模型在定性和定量分析中优于多任务基准，成功地描述了支持和反对 #BLM 的观点。

    Oct, 2023