view in publisher's site

Automatic cyberbullying detection: A systematic review

Highlights•Cyberbullying is often misrepresented in automatic detection state-of-the-art.•Available systems do not capture all four key criteria of cyberbullying.•Datasets used to train detection systems are incomplete.•Feature engineering performance improvement is marginal.•Cyberbullying detection systems seem not applicable to real world situations.AbstractAutomatic cyberbullying detection is a task of growing interest, particularly in the Natural Language Processing and Machine Learning communities. Not only is it challenging, but it is also a relevant need given how social networks have become a vital part of individuals' lives and how dire the consequences of cyberbullying can be, especially among adolescents. In this work, we conduct an in-depth analysis of 22 studies on automatic cyberbullying detection, complemented by an experiment to validate current practices through the analysis of two datasets. Results indicated that cyberbullying is often misrepresented in the literature, leading to inaccurate systems that would have little real-world application. Criteria concerning cyberbullying definitions and other methodological concerns seem to be often dismissed. Additionally, there is no uniformity regarding the methodology to evaluate said systems and the natural imbalance of datasets remains an issue. This paper aims to direct future research on the subject towards a viewpoint that is more coherent with the definition and representation of the phenomenon, so that future systems can have a practical and impactful application. Recommendations on future works are also made.

تشخیص خودکار cyberbullying: یک مرور نظام‌مند

کاره‌ای مهم: cyberbullying اغلب در تشخیص خودکار حالت بدون هنر بسیار بد است. سیستم‌های موجود هر چهار معیار اصلی of را ثبت نمی‌کنند. * که برای آموزش سیستم‌های تشخیص مورد استفاده قرار می‌گیرند، ناکامل هستند. بهبود عملکرد مهندسی ویژگی حاشیه‌ای است. به نظر می‌رسد که سیستم‌های تشخیص cyberbullying در دنیای واقعی قابل کاربرد نیستند. شناسایی cyberbullying، کار رشد علاقه، به ویژه در جوامع زبان‌های طبیعی و یادگیری ماشین است. نه تنها چالش برانگیز است، بلکه نیاز مربوط به این است که شبکه‌های اجتماعی به یک بخش حیاتی از زندگی افراد تبدیل‌شده و اینکه پیامدهای of می‌تواند به ویژه در میان نوجوانان چگونه باشد. در این کار، ما تحلیل عمیق ۲۲ مطالعه را بر روی تشخیص خودکار اتوماتیک انجام می‌دهیم، که با یک آزمایش برای تایید عملکرد فعلی از طریق تحلیل دو مجموعه داده تکمیل شده‌است. نتایج نشان داد که cyberbullying اغلب در ادبیات بد تفسیر می‌شود و منجر به سیستم‌هایی دقیق می‌شود که کاربرد واقعی در دنیای واقعی دارند. معیارهای مربوط به تعاریف cyberbullying و سایر ملاحظات روش‌شناختی اغلب نادیده گرفته می‌شوند. علاوه بر این، هیچ گونه یکنواختی در مورد روش‌شناسی ارزیابی سیستم‌ها وجود ندارد و عدم تعادل طبیعی مجموعه داده‌ها همچنان یک مساله باقی می‌ماند. هدف این مقاله هدایت تحقیقات آتی در مورد موضوع به سمت دیدگاهی است که با تعریف و بازنمایی پدیده ارتباط بیشتری دارد، به طوری که سیستم‌های آتی می‌توانند کاربرد عملی و قابل قبولی داشته باشند. توصیه‌هایی درباره کاره‌ای آینده نیز انجام می‌شوند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله General Psychology
  • ترجمه مقاله General Psychology
  • مقاله روان‌شناسی عمومی
  • ترجمه مقاله روان‌شناسی عمومی
  • مقاله Arts and Humanities (miscellaneous)
  • ترجمه مقاله Arts and Humanities (miscellaneous)
  • مقاله هنر و علوم انسانی (متفرقه)
  • ترجمه مقاله هنر و علوم انسانی (متفرقه)
  • مقاله Human-Computer Interaction
  • ترجمه مقاله Human-Computer Interaction
  • مقاله تعامل انسان - کامپیوتر
  • ترجمه مقاله تعامل انسان - کامپیوتر
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.