Moral Emotion Dataset

该数据集包含50,000个来自韩国和英国政府在线请愿平台的请愿句子，每个句子都有情感标签，用于训练和量化道德情感。数据集用于研究道德情感如何影响用户的政治参与，特别是在跨文化背景下。

This dataset comprises 50,000 petition sentences sourced from online petition platforms of the South Korean and UK governments. Each sentence is annotated with sentiment labels, intended for training and quantifying moral sentiments. The dataset is utilized to investigate how moral sentiments influence users' political engagement, particularly in cross-cultural contexts.

原始信息汇总

数据集概述

数据收集来源

• 韩国政府档案：http://webarchives.pa.go.kr/19th/www.president.go.kr/petitions/
• 英国政府和议会请愿网站：https://petition.parliament.uk/

数据集详情

1. 人类标注数据集

• 语言: 韩语和英语
• 文件:
  • 韩语: KOR_Human_Annotation_Dataset.parquet
  • 英语: ENG_Human_Annotation_Dataset.parquet
• 列: Question, User1, User2, User3, User4, User5
• NA数据: 表示“难以判断”

2. 道德情感数据集

• 语言: 韩语和英语
• 文件:
  • 韩语: KOR_Moral_Emotion_Dataset.parquet (49,930条数据)
  • 英语: ENG_Moral_Emotion_Dataset.parquet (49,896条数据)
• 列: Question, Label, Label_Type

数据集样本

人类标注数据集样本

	Question	User1	User2	User3	User4	User5
0	Use the minstrel code to have them removed from office!	Other-condemning	Other-condemning	Other-condemning	Other-condemning	Other-condemning
1	Martin Lewis has made a fantastic contribution to educating the people of Britain on how to manage their finances.	Other-praising	Other-praising	Other-praising	Other-praising	Other-praising
2	The UK government should actively respond and allow Ukrainian refugees into the country and potentially even facilitate transport of the vulnerable, elderly and children, into the country.	Other-suffering	Other-suffering	Other-suffering	Other-suffering	Other-suffering
3	Because today I feel embarrassed to be a nurse.	Self-conscious	Self-conscious	Self-conscious	Self-conscious	Self-conscious
4	Instead of going dark at 5.15pm it would be 6.15pm.	Neutral	Neutral	Neutral	Neutral	Neutral
5	I am afraid that I will catch coronavirus from one of them.	Non-moral-emotion	Non-moral-emotion	Non-moral-emotion	Non-moral-emotion	Non-moral-emotion

道德情感数据集样本

	Text	Label	Label_Type
0	Because it’s amazing what they are doing words can’t describe what a fantastic job they are doing and they deserve all the recognition they’re getting and I know you agree with me!	Other-praising	Single
1	Stop putting us victims in danger.Abusers work way to quickly and smartly now and there’s too many ways they get around the current law as it stands.Make restraining orders and domestic sentences public knowledge.	Other-condemning, Other-suffering	Multi
2	Trafalgar Square has always been where Britains war heroes are honoured with statues.	Neutral	Single
3	Many health care workers are working without adequate PPE due to underfunding of the NHS making them ill-equipped to handle the COVID-19 crisis.	Other-condemning, Other-suffering	Multi

搜集汇总

数据集介绍

构建方式

该数据集的构建基于跨文化的在线请愿数据，通过政府主导的请愿平台从韩国和英国收集而来。数据集包含50,000条请愿句子的标注，涵盖韩语和英语两种语言。标注过程采用了一种经过微调的大型语言模型（LLM），以捕捉不同文化背景下道德情感的细微差别。标注结果包括五种道德情感标签：其他谴责、其他赞美、其他痛苦、自我意识和非道德情感。此外，数据集还区分了单标签和多标签情况，以反映情感的复杂性。

特点

该数据集的显著特点在于其跨文化的视角和精细的情感标注。通过结合韩语和英语的请愿数据，数据集不仅揭示了道德情感在不同文化中的表现差异，还展示了这些情感如何影响政治参与行为。此外，数据集的标注方法采用了先进的自然语言处理技术，确保了情感分类的准确性和细致性。这种多维度的情感分析为研究道德情感与政治参与之间的关系提供了宝贵的资源。

使用方法

使用该数据集时，研究者可以通过加载预处理的数据文件，利用提供的模型进行情感分类和分析。数据集中的每条记录包含请愿文本、情感标签及其类型（单标签或多标签）。研究者可以应用预训练的BERT、RoBERTa和ELECTRA模型进行情感预测，这些模型分别针对韩语和英语进行了优化。通过这些模型，研究者可以深入分析道德情感在不同文化背景下的表现及其对政治参与的影响，从而为跨文化研究提供有力的支持。

背景与挑战

背景概述

道德情感数据集（Moral Emotion Dataset）由Kim, Jeong, Park, Cha, 和Lee等研究人员于2024年创建，旨在探讨道德情感如何影响政治参与，特别是通过跨文化的在线请愿数据进行分析。该数据集包含了50,000条来自韩国和英国的请愿句子，并附有情感标签，这些标签由经过微调的大型语言模型（LLM）进行标注。该研究的核心问题在于揭示道德情感与政治参与之间的复杂关系，尤其是不同文化背景下情感表达的差异如何影响公众的政治行为。这一研究不仅深化了对情感语言处理的理解，还为跨文化政治参与研究提供了新的视角。

当前挑战

道德情感数据集在构建过程中面临多重挑战。首先，跨文化情感标注的复杂性要求模型能够捕捉不同文化背景下情感的细微差别。其次，数据集的构建涉及从政府主导的请愿平台收集数据，这需要克服数据获取和处理的难题。此外，该数据集还需解决情感分类的准确性问题，确保模型能够准确识别和区分多种道德情感。最后，研究还需应对文化差异对情感表达和政治参与影响的复杂性，这要求研究者在分析过程中保持高度的文化敏感性。

常用场景

经典使用场景

道德情感数据集的经典使用场景在于分析和量化道德情感如何影响政治参与，特别是在跨文化的在线请愿活动中。通过该数据集，研究者能够深入探讨不同道德情感（如他人谴责、他人赞美、自我意识等）在不同文化背景下对用户行为的具体影响，从而揭示道德情感与政治参与之间的复杂关系。

衍生相关工作

基于道德情感数据集，研究者已开展了一系列相关工作，包括开发用于情感分类的自然语言处理模型，以及探索不同文化背景下道德情感的表达差异。这些工作不仅推动了情感计算技术的发展，还为跨文化交流和理解提供了新的工具和方法。此外，该数据集还激发了对道德情感在其他社会行为中作用的进一步研究，如消费者行为和教育政策。

数据集最近研究

最新研究方向

在道德情感与政治参与的交叉领域，最新的研究方向聚焦于跨文化背景下道德情感如何影响在线请愿活动。研究者们通过构建包含50,000条请愿句子的道德情感数据集，利用上下文感知的自然语言处理模型，深入探讨了不同文化中道德情感对用户参与行为的影响。研究发现，诸如‘他人受苦’等道德情感能够显著提升请愿的广泛支持和社交媒体分享，而‘自我意识’则产生相反效果。此外，‘他人赞扬’在不同文化中的接受度差异显著，进一步揭示了语言中的道德情感与文化感知在政治讨论中的关键作用。