《陷入交火：评估使用语言模型进行枪支暴力事件报告众包的效果》

《Proceedings of the ACM on Human-Computer Interaction》：Into the Crossfire: Evaluating the Use of a Language Model to Crowdsource Gun Violence Reports

枪支暴力监测通过社交媒体数据与BERT模型结合的系统评估，证明人本干预能提升巴西人权组织的数据处理效率，定量分析显示模型使用与分析互动量增加显著。

　　

摘要

枪支暴力是一个紧迫的人权问题，它几乎影响了社会结构的每一个方面，从医疗保健和教育到心理学和经济。关于枪支事件的可靠数据对于制定更有效的公共政策和应急响应至关重要。然而，由于缺乏全面的数据库以及面对面调查的风险，人权组织在大多数国家无法收集所需的数据。在这里，我们与一个巴西人权组织合作，对语言模型进行了系统评估，以帮助从社交媒体数据中监测现实世界的枪支事件。我们提出了一个基于BERT的微调模型，该模型在Twitter（现称为X）的文本上进行训练，以区分枪支暴力报告和普通葡萄牙语文本。然后，我们将该模型整合到一个网络应用程序中，并在实时干预中对其进行测试。我们研究并采访了那些持续检查社交媒体文本以识别新的枪支暴力事件的巴西分析师。定性评估表明，我们的解决方案帮助所有分析师更高效地利用时间，并扩大了他们的搜索能力。定量评估显示，使用我们的模型与分析师与报告枪支暴力的在线用户进一步互动有关。我们的研究结果表明，使用语言模型的人本主义干预措施可以帮助支持人权组织的工作。

可用格式

您可以使用以下格式查看完整内容：

PDF