Simple Science

Scienza all'avanguardia spiegata semplicemente

# Informatica# Calcolo e linguaggio# Computer e società

Analizzando le opinioni pubbliche sulla homelessness attraverso le conversazioni online

Questo studio esamina le opinioni pubbliche sulla homeless usando l'analisi dei social media.

― 5 leggere min


Comprendere le opinioniComprendere le opinionisulla homelessness onlinehomelessness.opinioni pubbliche complesse sullaAnalizzare i social media svela
Indice

Gli atteggiamenti pubblici verso questioni sociali, specialmente la senza fissa dimora, sono importanti per plasmare politiche e programmi che possono aiutare chi ne ha bisogno. Però, capire come si sentono davvero le persone su questioni complesse come la senza fissa dimora può essere difficile, soprattutto quando si analizzano grandi quantità di conversazioni online. Questo studio esplora come i post online sulla senza fissa dimora possano essere analizzati per capire meglio le opinioni pubbliche.

L'importanza delle conversazioni online

Le piattaforme di social media, come Twitter, sono fonti ricche di opinioni pubbliche. Raccolgono una vasta gamma di prospettive da diversi gruppi di persone. Questa diversità può fornire spunti su come diverse persone vedono la senza fissa dimora, comprese le loro simpatie e frustrazioni. Capire questi punti di vista può aiutare i gruppi di advocacy e i legislatori a indirizzare i loro sforzi in modo più efficace.

La sfida di capire gli atteggiamenti pubblici

Anche se i social media sono un tesoro di opinioni, analizzare questi punti di vista non è semplice. Le persone potrebbero esprimere sentimenti misti, mostrando simpatia per chi non ha una casa ma anche provando rabbia verso di loro. I metodi di Ricerca tradizionali, come sondaggi e interviste, hanno fornito alcune comprensioni, ma di solito si concentrano su gruppi più piccoli. Questo studio punta a trovare modi per analizzare grandi dataset di post online per catturare un senso più ampio degli atteggiamenti pubblici.

Usare modelli linguistici per aiutare

I recenti progressi nella tecnologia, specialmente nei modelli linguistici di grandi dimensioni (LLM), offrono un nuovo modo per studiare gli atteggiamenti pubblici. Questi modelli possono analizzare e categorizzare rapidamente enormi quantità di testo, aiutando i ricercatori a ottenere intuizioni che richiederebbero molto più tempo con metodi tradizionali. Questo studio collabora tra assistenti sociali e questi modelli linguistici per esaminare efficacemente le discussioni online sulla senza fissa dimora.

Sviluppare una tipologia di atteggiamenti

Come parte di questa ricerca, è stato creato un nuovo framework per organizzare e comprendere i diversi modi in cui le persone parlano della senza fissa dimora. Questo framework include nove Categorie specifiche o "cornici" che catturano vari critiche, risposte e percezioni riguardo il problema. Categorizzando i post in questo modo, i ricercatori possono ottenere approfondimenti dettagliati su ciò che le persone stanno dicendo e sentendo.

Come sono stati analizzati i post

L'analisi è stata effettuata su milioni di post da Twitter, concentrandosi specificamente su quelli che menzionavano la senza fissa dimora. I ricercatori hanno prima filtrato i post per garantire che fossero pertinenti. Poi, hanno categorizzato questi post utilizzando sia le intuizioni degli esperti che l'assistenza dei modelli linguistici. Questa collaborazione ha permesso un processo di annotazione più veloce mantenendo comunque l'accuratezza.

Risultati chiave dall'analisi

L'analisi di oltre 2,4 milioni di post ha rivelato diversi trend importanti negli atteggiamenti pubblici verso la senza fissa dimora. Guardando a come questi atteggiamenti variavano attraverso diversi stati e tempi, i ricercatori potevano vedere emergere dei modelli. Ad esempio, durante alcuni eventi politici o crisi, le discussioni sulla senza fissa dimora potrebbero cambiare. Comprendere questi trend può aiutare a informare interventi mirati.

Cambiamenti nel tempo

Un risultato significativo è stato che gli atteggiamenti pubblici non rimangono statici. Possono variare con eventi attuali, come il finanziamento governativo per la senza fissa dimora o discussioni sull'immigrazione. Per esempio, quando ci sono state notizie su aiuti sostanziali per i rifugiati, le discussioni sulla senza fissa dimora si sono intensificate, spesso esprimendo frustrazione per le priorità del governo.

Confronti con altri gruppi

La ricerca ha anche esaminato come le persone confrontano chi vive senza casa con altri gruppi vulnerabili, come immigrati o rifugiati. È emerso che questi confronti spesso scatenano atteggiamenti diversi. Ad esempio, le discussioni sugli immigrati potrebbero suscitare una risposta più critica rispetto a quelle sui veterani senzatetto. Questa intuizione sottolinea la necessità di capire come diverse narrazioni possano plasmare la percezione pubblica.

Limitazioni dello studio

Sebbene questa ricerca fornisca intuizioni preziose, ci sono importanti limitazioni. I dati analizzati provengono esclusivamente da Twitter, il che significa che le opinioni espresse lì potrebbero non rappresentare l'intera popolazione. Inoltre, la complessità delle emozioni e degli atteggiamenti umani significa che categorizzare i post può essere complicato, con potenziali pregiudizi che potrebbero influenzare i risultati.

Andare avanti

Lo studio conclude che utilizzare modelli linguistici nella ricerca delle scienze sociali offre un percorso promettente per capire gli atteggiamenti pubblici su larga scala. Tuttavia, sottolinea anche la necessità di cautela, particolarmente nell'interpretare i risultati. Il lavoro futuro dovrebbe mirare a perfezionare questi modelli e metodologie per catturare ancora più sfumature nell'opinione pubblica.

Considerazioni etiche

Quando si usano modelli linguistici e si analizzano argomenti sensibili come la senza fissa dimora, è fondamentale considerare le implicazioni etiche. Questi modelli possono involontariamente portare pregiudizi che potrebbero danneggiare le comunità emarginate. Pertanto, è necessaria una convalida e un aggiustamento incessanti dei modelli per mitigare questi effetti.

Conclusione

Gli atteggiamenti pubblici verso la senza fissa dimora sono vari e complessi. Un'analisi su larga scala delle conversazioni online utilizzando modelli linguistici offre uno strumento prezioso per comprendere meglio questi atteggiamenti. Categorizzando diverse cornici di discussione, i ricercatori possono scoprire modelli che informano più efficacemente gli sforzi di advocacy e le politiche. Questo studio getta le basi per ulteriori esplorazioni dell'opinione pubblica su altre questioni sociali critiche, dimostrando l'importanza di combinare tecnologia con intuizioni delle scienze sociali.

Fonte originale

Titolo: OATH-Frames: Characterizing Online Attitudes Towards Homelessness with LLM Assistants

Estratto: 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.

Autori: Jaspreet Ranjit, Brihi Joshi, Rebecca Dorn, Laura Petry, Olga Koumoundouros, Jayne Bottarini, Peichen Liu, Eric Rice, Swabha Swayamdipta

Ultimo aggiornamento: 2024-10-28 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2406.14883

Fonte PDF: https://arxiv.org/pdf/2406.14883

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili