Die Analyse öffentlicher Einstellungen zu Obdachlosigkeit durch Online-Gespräche
Diese Studie untersucht die öffentliche Meinung über Obdachlosigkeit mithilfe von Social Media-Analysen.
― 5 min Lesedauer
Inhaltsverzeichnis
- Die Wichtigkeit von Online-Gesprächen
- Die Herausforderung, öffentliche Einstellungen zu verstehen
- Nutzung von Sprachmodellen zur Hilfe
- Entwicklung einer Typologie von Einstellungen
- Wie die Beiträge analysiert wurden
- Wichtige Erkenntnisse aus der Analyse
- Veränderungen über die Zeit
- Vergleiche mit anderen Gruppen
- Einschränkungen der Studie
- Zukünftige Schritte
- Ethische Überlegungen
- Fazit
- Originalquelle
- Referenz Links
Öffentliche Einstellungen zu sozialen Themen, besonders Obdachlosigkeit, sind wichtig, um Politiken und Programme zu gestalten, die den Bedürftigen helfen können. Allerdings ist es schwierig herauszufinden, wie Menschen wirklich über komplexe Themen wie Obdachlosigkeit denken, besonders wenn man grosse Mengen an Online-Gesprächen betrachtet. Diese Studie schaut sich an, wie Online-Beiträge zur Obdachlosigkeit Analysiert werden können, um die öffentlichen Ansichten besser zu verstehen.
Die Wichtigkeit von Online-Gesprächen
Soziale Medien, wie Twitter, sind reichhaltige Quellen für öffentliche Meinungen. Sie sammeln eine Vielzahl von Perspektiven aus unterschiedlichen Gruppen von Menschen. Diese Vielfalt kann Einblicke geben, wie verschiedene Leute Obdachlosigkeit sehen, inklusive ihrer Sympathien und Frustrationen. Diese Ansichten zu verstehen kann Advocacy-Gruppen und politischen Entscheidungsträgern helfen, ihre Bemühungen effektiver auszurichten.
Die Herausforderung, öffentliche Einstellungen zu verstehen
Auch wenn soziale Medien ein Schatz an Meinungen sind, ist es nicht einfach, diese Ansichten zu analysieren. Menschen könnten gemischte Gefühle äussern, zeigen Mitgefühl für Obdachlose, während sie auch Wut gegenüber ihnen empfinden. Traditionelle Forschungsmethoden, wie Umfragen und Interviews, haben ein gewisses Verständnis hervorgebracht, fokussieren sich aber meistens auf kleinere Gruppen. Diese Studie hat das Ziel, Wege zu finden, um grosse Datensätze von Online-Beiträgen zu analysieren, um ein breiteres Gefühl für öffentliche Einstellungen zu erfassen.
Nutzung von Sprachmodellen zur Hilfe
Neueste Fortschritte in der Technologie, besonders grosse Sprachmodelle (LLMs), bieten eine neue Möglichkeit, öffentliche Einstellungen zu studieren. Diese Modelle können schnell riesige Textmengen analysieren und kategorisieren, was Forschern hilft, Einblicke zu gewinnen, die mit traditionellen Methoden viel länger dauern würden. Diese Studie arbeitet zusammen mit Sozialarbeitern und diesen Sprachmodellen, um Online-Diskussionen über Obdachlosigkeit effektiv zu untersuchen.
Entwicklung einer Typologie von Einstellungen
Im Rahmen dieser Forschung wurde ein neues Framework entwickelt, um die verschiedenen Arten, wie Menschen über Obdachlosigkeit sprechen, zu organisieren und zu verstehen. Dieses Framework enthält neun spezifische Kategorien oder "Frames", die verschiedene Kritiken, Reaktionen und Wahrnehmungen zum Thema erfassen. Durch die Kategorisierung von Beiträgen auf diese Weise können Forscher detaillierte Einblicke gewinnen, was die Leute sagen und fühlen.
Wie die Beiträge analysiert wurden
Die Analyse wurde an Millionen von Beiträgen auf Twitter durchgeführt, die speziell das Thema Obdachlosigkeit erwähnten. Die Forscher filterten zunächst die Beiträge, um sicherzustellen, dass sie relevant sind. Dann kategorisierten sie diese Beiträge mithilfe von Expertenwissen und der Unterstützung von Sprachmodellen. Diese Zusammenarbeit ermöglichte einen schnelleren Annotierungsprozess, während die Genauigkeit erhalten blieb.
Wichtige Erkenntnisse aus der Analyse
Die Analyse von über 2,4 Millionen Beiträgen zeigte mehrere wichtige Trends in den öffentlichen Einstellungen zur Obdachlosigkeit. Indem man betrachtet, wie sich diese Einstellungen über verschiedene Staaten und Zeiten variieren, konnten Forscher Muster erkennen. Zum Beispiel könnten Diskussionen über Obdachlosigkeit während bestimmter politischer Ereignisse oder Krisen schwanken. Diese Trends zu verstehen, kann helfen, gezielte Interventionen zu informieren.
Veränderungen über die Zeit
Eine bedeutende Erkenntnis war, dass öffentliche Einstellungen nicht statisch bleiben. Sie können sich mit aktuellen Ereignissen ändern, wie etwa staatlichen Förderungen für Obdachlosigkeit oder Debatten über Einwanderung. Beispielsweise, als es Nachrichten über erhebliche Hilfen für Flüchtlinge gab, intensifizierten sich die Diskussionen über Obdachlosigkeit und drückten oft Frustration über die Prioritäten der Regierung aus.
Vergleiche mit anderen Gruppen
Die Forschung untersuchte auch, wie Menschen diejenigen, die obdachlos sind, mit anderen verletzlichen Gruppen, wie Einwanderern oder Flüchtlingen, verglichen. Es wurde festgestellt, dass diese Vergleiche oft unterschiedliche Einstellungen hervorrufen. Zum Beispiel könnten Diskussionen über Einwanderer eine kritischere Reaktion hervorrufen als die über obdachlose Veteranen. Dieser Einblick hebt hervor, wie wichtig es ist zu verstehen, wie unterschiedliche Narrative die öffentliche Wahrnehmung prägen können.
Einschränkungen der Studie
Obwohl diese Forschung wertvolle Einblicke bietet, gibt es wichtige Einschränkungen. Die analysierten Daten stammen ausschliesslich von Twitter, was bedeutet, dass die dort geäusserten Ansichten möglicherweise nicht die gesamte Bevölkerung repräsentieren. Zudem macht die Komplexität menschlicher Emotionen und Einstellungen die Kategorisierung von Beiträgen zu einer Herausforderung und kann potenzielle Verzerrungen beinhalten, die das Ergebnis beeinflussen könnten.
Zukünftige Schritte
Die Studie kommt zu dem Schluss, dass die Nutzung von Sprachmodellen in der sozialwissenschaftlichen Forschung einen vielversprechenden Weg bietet, öffentliche Einstellungen im grossen Massstab zu verstehen. Sie betont jedoch auch die Notwendigkeit zur Vorsicht, besonders bei der Interpretation der Ergebnisse. Zukünftige Arbeiten sollten darauf abzielen, diese Modelle und Methoden zu verfeinern, um noch mehr Nuancen in der öffentlichen Meinung zu erfassen.
Ethische Überlegungen
Bei der Verwendung von Sprachmodellen und der Analyse sensibler Themen wie Obdachlosigkeit ist es wichtig, die ethischen Implikationen zu berücksichtigen. Diese Modelle können unbeabsichtigt Vorurteile tragen, die marginalisierte Gemeinschaften schädigen könnten. Daher sind fortlaufende Validierungen und Anpassungen der Modelle notwendig, um diese Effekte zu mindern.
Fazit
Öffentliche Einstellungen zur Obdachlosigkeit sind vielfältig und komplex. Die grossangelegte Analyse von Online-Gesprächen mithilfe von Sprachmodellen bietet ein wertvolles Werkzeug, um diese Einstellungen besser zu verstehen. Durch die Kategorisierung verschiedener Diskussionsrahmen können Forscher Muster aufdecken, die Advocacy- und Politikbemühungen effektiver informieren. Diese Studie legt den Grundstein für weitere Erkundungen der öffentlichen Meinung zu anderen wichtigen sozialen Themen und zeigt die Bedeutung der Kombination von Technologie mit sozialwissenschaftlichen Erkenntnissen.
Titel: OATH-Frames: Characterizing Online Attitudes Towards Homelessness with LLM Assistants
Zusammenfassung: Warning: Contents of this paper may be upsetting. Public attitudes towards key societal issues, expressed on online media, are of immense value in policy and reform efforts, yet challenging to understand at scale. We study one such social issue: homelessness in the U.S., by leveraging the remarkable capabilities of large language models to assist social work experts in analyzing millions of posts from Twitter. We introduce a framing typology: Online Attitudes Towards Homelessness (OATH) Frames: nine hierarchical frames capturing critiques, responses and perceptions. We release annotations with varying degrees of assistance from language models, with immense benefits in scaling: 6.5x speedup in annotation time while only incurring a 3 point F1 reduction in performance with respect to the domain experts. Our experiments demonstrate the value of modeling OATH-Frames over existing sentiment and toxicity classifiers. Our large-scale analysis with predicted OATH-Frames on 2.4M posts on homelessness reveal key trends in attitudes across states, time periods and vulnerable populations, enabling new insights on the issue. Our work provides a general framework to understand nuanced public attitudes at scale, on issues beyond homelessness.
Autoren: Jaspreet Ranjit, Brihi Joshi, Rebecca Dorn, Laura Petry, Olga Koumoundouros, Jayne Bottarini, Peichen Liu, Eric Rice, Swabha Swayamdipta
Letzte Aktualisierung: 2024-10-28 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2406.14883
Quell-PDF: https://arxiv.org/pdf/2406.14883
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.
Referenz Links
- https://developer.X.com/en/docs/X-api
- https://x.com
- https://dill-lab.github.io/oath-frames/
- https://perspectiveapi.com
- https://huggingface.co/cjber/reddit-ner-place_names
- https://worldpopulationreview.com/state-rankings/cost-of-living-index-by-state
- https://huggingface.co/docs/transformers/model_doc/flan-t5