XiaoMi-AI文件搜索系统
World File Search System
推文tick tick：关于twitter上有关勾号的风险交流的定量内容分析
结果：在Twitter沟通中有关tick风险的交流，超过一半（55.3％）的推文缺乏任何视觉内容。在带有视觉效果的推文中，静态照片和插图/渲染图像是最常用的形式。个人，新闻和卫生/政府组织是主要的高音扬声器。此外，大多数推文都使用情境意识，工具获取和研究框架，并且处于损失框架中。大约一半（48.8％）的推文以负面的方式突出显示不利后果或框架风险准备。带有视觉辅助的推文的参与率更高，而具有URL的推文则没有。最后，推文使用不同的准备响应框架，并倾向于使用不同的增益/损失框架。特别是，强调情境意识的推文提醒公众有关tick虫和滴答疾病的信息，主要利用损失框架，强调了比工具获取或研究框架更高的风险。
来自 Twitter 的带有元数据的 AI 生成图像数据集
生成式人工智能 (gen-AI) 的最新进展使得只需单击一下即可生成照片般逼真且具有艺术灵感的照片，满足数百万在线用户的需求。要探索人们如何使用 DALLE 和 StableDiffusion 等 gen-AI 模型，了解 AI 生成的照片中的主题、内容和变化至关重要。在这项工作中，我们介绍了 TWIGMA（带有 MetadatA 的 TWItter Generative-ai 图像），这是一个全面的数据集，涵盖了 2021 年 1 月至 2023 年 3 月在 Twitter 上收集的 800,000 多张 gen-AI 图像，以及相关元数据（例如推文文本、创建日期、点赞数），可在 https://zenodo.org/records/8031785 上找到。通过将 TWIGMA 与自然图像和人类艺术作品进行比较分析，我们发现与非 gen-AI 图像相比，gen-AI 图像具有独特的特征，并且平均而言表现出较低的可变性。此外，我们发现 gen-AI 图像与自然图像之间的相似性与点赞数量呈反比。最后，我们观察到 Twitter 上 AI 生成图像的主题发生了纵向变化，用户越来越多地分享艺术上复杂的内容，例如复杂的人类肖像，而他们对自然场景和动物等简单主题的兴趣有所下降。我们的研究结果强调了 TWIGMA 作为研究 AI 生成图像的独特数据资源的重要性。
在推特上反对强制实施新冠肺炎免疫护照：自然语言处理研究
尽量减少房间拥挤、限制接触和采取卫生措施 [2-7]。这些义务提出了伦理问题 [8]，并导致人们对疫苗接种和各种限制措施的选择和行为发生了变化 [9]。政府卫生运动（更具体地说是疫苗接种计划）缺乏雄心，会强化拒绝疫苗的行为 [10]。然而，如果有效实施，这些公共卫生措施可以对疫苗接种覆盖率产生积极影响 [11-17]。与直觉相反，放弃强制措施可以提高人们对疫苗接种的接受度 [6]。此外，这种动态会受到主流媒体（报纸）、社交媒体或互联网上传播的科学或政治演讲的影响而波动 [18,19]。
Twitter 上的沟通策略：对美国撤出阿富汗的批判性话语分析
摘要 虽然已有多项研究探讨了与军事干预有关的战略沟通，但本研究分析了撤军和重新部署军事背景下的沟通策略。我们以美国撤出阿富汗为例，分析美国政府在推特（现称为 X）上动员了哪些（以及如何）战略叙事来为其行动寻求公众支持和合法性。研究结果表明，证券化、国家利益和责任等关键叙事是通过超越、支持、指责和缓和的宏观战略部署的。我们认为，虽然早期对阿富汗战争的描述被描绘成一项不可避免的任务，但现在的总体论述已经转向将这场战争描绘成不可持续的，美国不再需要这场战争。
鸟瞰：Twitter 上的超国家欧盟行为者
需要明确的是，这不应被误认为是 Twitter 用户参与的完全充分的因果模型。特别需要注意三个方面。首先，我们没有足够的知识来了解实际有多少用户看到了每条推文。虽然我们的因变量控制直接关注者的数量，但如果推文引起了参与度，Twitter 算法很可能会将推文也向其他用户显示（例如，通过向首先参与了超国家信息的关注者的关注者显示消息）。其次，我们在正文中的定性示例表明，推文的主题可能决定了用户与内容的互动程度。但是，明确建模和情境化推文的主题超出了本文的范围。第三，我们的初步分析将 Twitter 上不同形式的直接参与归为一类。虽然点赞、转发、引用和回放的比例呈正相关，但它们可能会捕捉到截然不同的受众反应，并且需要不同程度的用户活动，因此可能由部分独立的动态驱动。
Twitter文本挖掘分析
背景：Covid-19的大流行使平衡健康饮食在加强人类免疫系统中所扮演的关键作用。在Twitter等社交媒体平台上，人们对与营养有关的信息引起了人们的兴趣。迫切需要评估和理解公众舆论，态度和对在Twitter上共享的与营养相关信息的情感。目的：本研究使用文本挖掘来分析Twitter上与营养相关的消息，以识别和分析公众如何感知各种食品组和饮食，以改善对SARS-COV-2病毒的免疫力。方法：我们收集了71,178个与营养有关的推文，这些推文在2020年1月1日，2020年至9月30日之间发布。相关的解释文本挖掘算法用于识别用户提到的经常讨论的主题，这些主题有助于对SARS-COV-2的免疫力建立。我们评估了这些主题的相对重要性，并进行了情感分析。我们还定性地检查了这些推文，以更深入地了解与营养有关的主题和食品组。结果：文本挖掘产生了10个主题，用户在Twitter，Viz蛋白质，全谷物，水果，蔬菜，与乳制品有关的，香料和草药，液体，补充剂，可避免的食物和特殊饮食中经常讨论的主题。补充剂是最常讨论的主题（23,913/71,178，33.6％），比例较高（20,935/23,913，87.75％），表现出积极情绪，得分为0.41。香料和草药（8719/71,178，12.25％）和可避免的食物（8619/71,178，12.11％）也经常讨论。消耗液体（17,685/71,178，24.85％）和水果（14,807/71,178，20.80％）是第二和第三频繁的主题，具有良好的积极情绪。对较高比例的可避免食品（7627/8619，84.31％）的负面情感，情感得分为–0.39。结论：本研究确定了用户讨论的10个重要食品群和相关的情感，这些情绪是提高免疫力的一种手段。我们的发现可以帮助营养师和营养学家制定适当的干预措施和饮食计划。
使用深度学习工具对 Twitter 上的空气质量信息流进行分类
摘要。环境健康是一个新兴且备受争议的话题，涵盖多个研究领域，例如城市或农村环境污染及其对健康人群的影响。在这个跨部门力量领域，利益相关者逻辑的复杂性体现在空气质量数据和信息的生产、使用和交流中。Twitter 平台是一个“部分公共空间”，可以阐明所涉及的不同类型的利益相关者、讨论的信息和问题以及这些不同方面之间的表达动态。本文介绍了一种方法，旨在描述和表示一方面该社交媒体上消息流的流通和分发模式，另一方面描述和表示利益相关者之间交换的内容。为此，我们开发了一个基于深度学习方法的分类器，以便从头开始对消息进行分类。所提出的概念和工具方法是基于定量和定性方法的更广泛的跨学科方法的一部分，用于研究环境健康中的沟通。
Vax-Culture：用于研究 Twitter 上疫苗讨论的数据集
摘要 — 在 COVID-19 大流行期间，疫苗犹豫仍然是公共卫生官员面临的主要挑战。由于这种犹豫破坏了疫苗接种运动，许多研究人员试图找出其根本原因，发现社交媒体平台上越来越多的反疫苗错误信息是这一问题的关键因素。我们探索了 Twitter 作为误导性内容的来源，目的是提取激发疫苗错误信息传播的重叠文化和政治信仰。为此，我们收集了一组与疫苗相关的推文数据集，并在具有传播和新闻背景的注释团队的帮助下对其进行了注释。最终，我们希望这可以带来有效且有针对性的公共卫生传播策略，以接触具有反疫苗信念的个人。此外，这些信息有助于开发机器学习模型，以自动检测疫苗错误信息帖子并对抗其负面影响。在本文中，我们介绍了 Vax-Culture，这是一个新的 Twitter COVID-19 数据集，包含 6373 条与疫苗相关的推文，并附有大量人工提供的注释，包括疫苗犹豫立场、推文中任何错误信息的指示、每条推文中批评和支持的实体以及每条推文传达的信息。此外，我们定义了五个基线任务，包括四个分类任务和一个序列生成任务，并报告了一组最近基于 Transformer 的模型的结果。数据集和代码可在 https://github.com/mrzarei5/Vax-Culture 上公开获取。索引术语 — 自然语言处理、疫苗错误信息、疫苗犹豫、Twitter 数据集
文章“ChatGPT 能做什么？”分析 Twitter 上对创新型 AI 聊天机器人的早期反应
摘要：在本研究中，作者收集了创新型人工智能聊天机器人 ChatGPT 在推出后的第一个月的推文。使用潜在狄利克雷分配 (LDA) 主题建模算法分析了总共 233,914 条英文推文，以回答“ChatGPT 能做什么？”的问题。结果揭示了三个一般主题：新闻、技术和反应。作者还确定了五个功能领域：创意写作、论文写作、提示写作、代码编写和回答问题。分析还发现，ChatGPT 有可能以积极和消极的方式影响技术和人类。最后，作者概述了人工智能进步需要解决的四个关键问题：工作演变、新的技术格局、对通用人工智能的追求以及进步伦理难题。
Twitter 文件揭露生存威胁 - Imprimis
离开 Twitter 后，他解雇了一大批无用或不服从的员工，制定了新的内容审核政策，并试图改革一种近乎（现在仍然近乎）戏仿的觉醒企业文化。在此过程中，马斯克与泰比和韦斯协调发表了一系列基于 Twitter 内部文件的故事，这些文件涉及多年来的一系列重大政治事件：亨特·拜登笔记本电脑丑闻、Twitter 的秘密影子禁令政策、特朗普总统在 1 月 6 日美国国会大厦骚乱后被 Twitter 停用、FBI 利用 Twitter 在 2020 年大选前压制“选举造假”、Twitter 参与五角大楼的海外心理战活动、压制对官方新冠疫情说法的不同意见、参与通俄门骗局，以及逐渐屈服于美国情报界的直接参与——以 FBI 为中间人——内容审核。