Notice bibliographique
Résumé
Cyberbullying can be defined as a form of bullying that occurs across social media platforms using electronic messages [1].With the widespread of Internet, there is a tremendous increase in the number of social media users who can access various online platforms.These platforms provide a ground for the cyberbullies to engage in bullying activities by spreading online gossips, and posting hateful comments thereby targeting a victim group.The impact of consequences on victims is unpredictable given such attacks can cause serious physical and psychological harm.It is important to implement measures to identify and prevent cyberbullying.State-of-the-art technologies such as Machine learning, Natural language processing and Deep learning can be used for identifying and studying the patterns required to develop models that can detect cyberbullying.This dissertation proposes three different approaches and five models based on these technologies to identify cyberbullying using a newly generated email dataset.This email dataset was derived from multiple online platforms.Our initial approach consists in using a traditional supervised machine learning, which is a classic method.Our second approach is based on DistilBERT [2].Our last approach employs an ensemble technique that combines (or equivalently, 'stacks') these base models to study the impact on performance.Our initial approach led to the implementation of two SVM (Support Vector Machine) models [3]: one using TF-IDF (Term Frequency-Inverse Document Frequency) First and foremost, with my most sincere gratitude, I would like to acknowledge my supervisor Dr. Wei Shi for her dedication, patience, encouragement, and support.Without her guidance, knowledge and expertise, this dissertation would have not been possible.She has been with me throughout the research process and helped me academically and personally.I am
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».