当前位置:
X-MOL 学术
›
arXiv.cs.CL
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Cognitive network science for understanding online social cognitions: A brief review
arXiv - CS - Computation and Language Pub Date : 2021-02-25 , DOI: arxiv-2102.12799 Massimo Stella
arXiv - CS - Computation and Language Pub Date : 2021-02-25 , DOI: arxiv-2102.12799 Massimo Stella
Social media are digitalising massive amounts of users' cognitions in terms
of timelines and emotional content. Such Big Data opens unprecedented
opportunities for investigating cognitive phenomena like perception,
personality and information diffusion but requires suitable interpretable
frameworks. Since social media data come from users' minds, worthy candidates
for this challenge are cognitive networks, models of cognition giving structure
to mental conceptual associations. This work outlines how cognitive network
science can open new, quantitative ways for understanding cognition through
online media, like: (i) reconstructing how users semantically and emotionally
frame events with contextual knowledge unavailable to machine learning, (ii)
investigating conceptual salience/prominence through knowledge structure in
social discourse; (iii) studying users' personality traits like
openness-to-experience, curiosity, and creativity through language in posts;
(iv) bridging cognitive/emotional content and social dynamics via multilayer
networks comparing the mindsets of influencers and followers. These
advancements combine cognitive-, network- and computer science to understand
cognitive mechanisms in both digital and real-world settings but come with
limitations concerning representativeness, individual variability and data
integration. Such aspects are discussed along the ethical implications of
manipulating socio-cognitive data. In the future, reading cognitions through
networks and social media can expose cognitive biases amplified by online
platforms and relevantly inform policy making, education and markets about
massive, complex cognitive trends.
中文翻译:
认知网络科学,用于理解在线社交认知:简短回顾
社交媒体正在根据时间表和情感内容数字化大量用户的认知。这样的大数据为调查认知,人格和信息传播等认知现象提供了前所未有的机会,但需要合适的可解释框架。由于社交媒体数据来自用户的思想,因此应对这一挑战值得的候选人是认知网络,认知网络为心理概念联想提供了结构。这项工作概述了认知网络科学如何能够打开新的定量方法来通过在线媒体理解认知,例如:(i)重建用户如何在语义和情感上使用机器学习无法获得的上下文知识来构架事件;(ii)通过调查概念显着性/突出性社会话语中的知识结构;(iii)通过帖子中的语言研究用户的个性特征,例如开放经验,好奇心和创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。个性特质,例如对职位的开放态度,好奇心和创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。个性特质,例如对职位的开放态度,好奇心和创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。好奇心和通过职位语言表达的创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。好奇心和通过职位语言表达的创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。网络和计算机科学可以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。网络和计算机科学可以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。
更新日期:2021-02-26
中文翻译:
认知网络科学,用于理解在线社交认知:简短回顾
社交媒体正在根据时间表和情感内容数字化大量用户的认知。这样的大数据为调查认知,人格和信息传播等认知现象提供了前所未有的机会,但需要合适的可解释框架。由于社交媒体数据来自用户的思想,因此应对这一挑战值得的候选人是认知网络,认知网络为心理概念联想提供了结构。这项工作概述了认知网络科学如何能够打开新的定量方法来通过在线媒体理解认知,例如:(i)重建用户如何在语义和情感上使用机器学习无法获得的上下文知识来构架事件;(ii)通过调查概念显着性/突出性社会话语中的知识结构;(iii)通过帖子中的语言研究用户的个性特征,例如开放经验,好奇心和创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。个性特质,例如对职位的开放态度,好奇心和创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。个性特质,例如对职位的开放态度,好奇心和创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。好奇心和通过职位语言表达的创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。好奇心和通过职位语言表达的创造力;(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。(iv)通过比较影响者和追随者的思维方式的多层网络,桥接认知/情感内容和社会动态。这些进步结合了认知,网络和计算机科学,以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。网络和计算机科学可以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。网络和计算机科学可以理解数字和现实环境中的认知机制,但在代表性,个体变异性和数据集成方面存在局限性。这些方面是根据操纵社会认知数据的伦理意义来讨论的。将来,通过网络和社交媒体阅读认知可以揭露在线平台加剧的认知偏见,并向决策,教育和市场提供有关大规模复杂认知趋势的相关信息。