Using Machine Learning to Track Disability Discourse on Social Media
Notice bibliographique
Résumé
People with Disabilities (PWDs) have so much to contribute to society positively and progressively. However, they are mostly disadvantaged, discriminated against, and given limited opportunities. PWDs can experience different forms of physiological and psychological barriers. To complicate matters, PWDs are often misunderstood so without a proper all-inclusive stakeholder engagement, suitable solutions cannot be proffered. Appreciatively, social media platforms have offered forums for participatory discourse, and PWDs can express their views and opinions on these platforms. These views and sentiments can be analyzed using machine learning techniques to better understand the PWDs. Thus, it is the goal of this research to study the concerns of PWDs as expressed on Reddit over the last 5 years. In this work, we evaluate the performance of three topic models in the extraction of topics from the collected Reddit comments. The models are the Latent Dirichlet Allocation (LDA), Non-negative Matrix Factorization (NMF), and BERTopic. We leveraged the BERTopic with the K-means clustering algorithm, which achieved a coherence score of 0.67 to discover 15 meaningful and coherent topics that were then narrowed into 7 major themes. The themes discovered include disability benefits, mobility, medical conditions, support, assistive technology, COVID-19 effects, and emotional support animals. The SiEBERT model was employed to analyze the comments to identify the positive and negative sentiments associated with each theme.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».