Investigating the impact of social media images on users’ sentiments towards sociopolitical events based on deep artificial intelligence
Notice bibliographique
Résumé
This paper presents the findings of the research aimed at investigating the influence of visual content, posted on social media in shaping users' sentiments towards specific sociopolitical events. The study analyzed various sociopolitical topics by examining posts containing relevant hashtags and keywords, along with their associated images and comments. Using advanced machine learning and deep learning methods for sentiment analysis, textual data were classified to determine the expressed sentiments. Additionally, the correlation between posted visual content and user sentiments has been studied. A particular emphasis was placed on understanding how these visuals impact users' attitudes toward the events. The research resulted in a comprehensive dataset comprising labeled images and their comments, offering valuable insights into the dynamics of public opinion formation through social media. This study investigates the influence of social media images on user sentiment toward sociopolitical events using deep learning-based sentiment analysis. By analyzing posts from movements such as Black Lives Matter, Women's March, Climate Change Protests, and Anti-war Demonstrations, we identified a strong correlation between visual content and public sentiment. Our results reveal that Anti-war Demonstrations exhibit the highest correlation (PLCC: 0.709, SROCC: 0.723), while Climate Change Protests display the lowest alignment (PLCC: 0.531, SROCC: 0.611). Overall, the study finds a consistent positive correlation (PLCC range: 0.615-0.709, SROCC: 0.611-0.723) across movements, indicating the significant role of visual content in shaping the public opinion.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».