Contenidos
Deteccion del ciberbullying
Como parte del apoyo y la selección constantes de la investigación interdisciplinaria de vanguardia, objetiva y científicamente rigurosa, invitamos a casi 140 expertos preeminentes de 10 disciplinas diferentes en 22 grupos de trabajo para que recopilaran las últimas investigaciones sobre los efectos de los medios de comunicación en el crecimiento y el desarrollo, la cognición y la salud mental de los niños pequeños, los niños y los adolescentes.
Las conclusiones resultantes se han reunido y publicado en un suplemento especial, “Niños, adolescentes y pantallas: What We Know and What We Need to Learn”, en la prestigiosa revista Pediatrics, publicado el 1 de noviembre de 2017.
El ciberacoso se define como “un daño intencionado y repetido infligido a través del uso de ordenadores, teléfonos móviles u otros dispositivos electrónicos”[2] y puede consistir en dirigirse a una víctima mediante el uso de mensajes, imágenes y redes sociales, a través de cualquier dispositivo digital.
El uso de software de control parental, o aplicaciones, puede ayudar a mantenerte informado sobre lo que tu hijo está haciendo en línea cuando está usando su teléfono. Pero estas aplicaciones no sustituyen a las conversaciones con su hijo sobre las actividades y los problemas en línea. Las aplicaciones por sí solas no evitan el ciberacoso, pero pueden informarle de los problemas después de que hayan ocurrido. Enseñar a los niños a utilizar los dispositivos digitales puede reducir las posibilidades de que se produzca el ciberacoso. Y, por supuesto, es importante recordar que hay muchos ordenadores y dispositivos en muchos lugares que cualquier niño puede utilizar. Pero, como la mayoría de los problemas sociales entre niños, es imposible evitarlo con un 100% de seguridad. Hablar de los problemas habituales en la red y de cómo abordarlos puede ayudar a los niños a enfrentarse al ciberacoso en caso de que se produzca.
detección del ciberacoso ppt
Resumen: Con el aumento exponencial de los usuarios de las redes sociales, el ciberacoso ha surgido como una forma de acoso a través de mensajes electrónicos. Las redes sociales proporcionan un entorno rico para que los acosadores utilicen estas redes como lugar vulnerable para atacar a las víctimas. Dadas las consecuencias del ciberacoso en las víctimas, es necesario encontrar acciones adecuadas para detectarlo y prevenirlo. El aprendizaje automático puede ser útil para detectar los patrones de lenguaje de los acosadores y, por tanto, puede generar un modelo para detectar automáticamente las acciones de ciberacoso. Este artículo propone un enfoque de aprendizaje automático supervisado para detectar y prevenir el ciberacoso. Se utilizan varios clasificadores para entrenar y reconocer las acciones de acoso. La evaluación del enfoque propuesto en el conjunto de datos de ciberacoso muestra que la red neuronal se comporta mejor y alcanza una precisión del 92,8% y la SVM alcanza el 90,3. Además, NN supera a otros clasificadores de trabajos similares en el mismo conjunto de datos.
John Hani, Mohamed Nashaat, Mostafa Ahmed, Zeyad Emad, Eslam Amer y Ammar Mohammed, “Social Media Cyberbullying Detection using Machine Learning” International Journal of Advanced Computer Science and Applications(IJACSA), 10(5), 2019. http://dx.doi.org/10.14569/IJACSA.2019.0100587
detección del ciberacoso mediante el aprendizaje automático
En cuanto a los factores familiares, Ybarra y Mitchell (2004) descubrieron que el ciberacoso está estrechamente relacionado con la relación entre los miembros de la familia; Wang et al. (2012), Bayraktar et al. (2015) y Elsaesser et al. (2017) confirmaron la conexión entre el comportamiento de ciberacoso y la falta de apoyo de los padres; y Pillay (2012) y Park et al. (2014) descubrieron que el ciberacoso está asociado con el estatus socioeconómico familiar de los individuos en cierta medida. Además, algunos estudios revelaron que la supervisión de los padres también es un factor que afecta al ciberacoso (Ybarra y Mitchell, 2004; Chen y Astor, 2012; Kowalski et al., 2012a; Low y Espelage, 2013).
En cuanto a los factores escolares, Bevilacqua et al. (2017) mostraron que el grado de ciberacoso varía con el tipo y la calidad de la escuela, y los factores de organización/gestión dentro de una escuela afectan al comportamiento de los estudiantes; Guarini et al. (2012) encontraron que la relación negativa de los estudiantes con los profesores y el bajo reconocimiento de la escuela son factores de riesgo para el ciberacoso; y Calvete et al. (2010) y Souza et al. (2018) encontraron que el ciberacoso está relacionado con la atmósfera y el ambiente escolar. Además, la cultura escolar (Monks et al., 2016), la seguridad (Bottino et al., 2015) y las medidas reguladoras (Song, 2015), el sentido de pertenencia (Baldry et al., 2015; Chen et al., 2016) y la educación y la formación sobre salud mental y ciberseguridad (Gao, 2018; Liang, 2019) también son factores importantes que afectan al ciberacoso.
informe del seminario de detección del ciberacoso
ResumenAunque los medios sociales ofrecen grandes oportunidades de comunicación, también aumentan la vulnerabilidad de los jóvenes a las situaciones de amenaza en línea. Estudios recientes señalan que el ciberacoso constituye un problema creciente entre los jóvenes. El éxito de la prevención depende de la detección adecuada de los mensajes potencialmente dañinos y la sobrecarga de información en la web requiere sistemas inteligentes que identifiquen los riesgos potenciales de forma automática. Este artículo se centra en la detección automática del ciberacoso en los textos de las redes sociales mediante el modelado de los mensajes escritos por los acosadores, las víctimas y los espectadores del acoso en línea. Describimos la recopilación y anotación detallada de un corpus de ciberacoso en inglés y holandés y realizamos una serie de experimentos de clasificación binaria para determinar la viabilidad de la detección automática del ciberacoso. Utilizamos máquinas de vectores de soporte lineal que explotan un rico conjunto de características e investigamos qué fuentes de información contribuyen más a la tarea. Los experimentos realizados con un conjunto de pruebas de retención revelan resultados prometedores para la detección de mensajes relacionados con el ciberacoso. Tras optimizar los hiperparámetros, el clasificador obtiene una puntuación F1 del 64% y el 61% para el inglés y el holandés, respectivamente, y supera considerablemente a los sistemas de referencia.
Periodista del GRUPO BNLIMITED N.W. Cubriendo todo tipo de noticias para diariovelez.com en España. Si deseas comunicarme una noticia de última hora, un suceso o alguna información que crees que es relevante, puedes hacerlo en [email protected]
