在线讨论中对仇恨、毒性和极端言论的集体调控
摘要：如何平衡线上讨论中的仇恨、有毒言论和极端主义？ 我们分析了德国Twitter上超过13万个讨论的大量语料库，这些讨论发生在移民危机和政治动荡的四年期间。通过人工标注员、语言模型和机器学习分类器的帮助，我们确定了对话的不同维度。我们使用匹配方法和纵向统计分析来确定不同反击性言论策略在对话的微观层面（个别推文对） 、中观层面（讨论树）和宏观层面（天数）上的有效性。我们发现，表达简单的观点，不一定要有事实支持，但也没有侮辱，与随后的讨论中的仇恨、有毒性和极端言论和发言者的关系最小。讽刺在实现这些结果方面也很有帮助，尤其是在中观层面上存在组织极端团体的情况下。提供事实或揭示矛盾等建设性评论可能会适得其反，并吸引更多极端言论。提到外团体或内团体通常会导致对话的恶化。明显的情绪色彩，无论是消极的，如愤怒或恐惧，还是积极的，如热情和自豪，也会导致更糟糕的结果。我们的研究结果超越了对较小样本的一次性分析，对于成功管理在线社区通过集体公民管控具有启示作用。
作者：Jana Lasser and Alina Herderich and Joshua Garland and Segun Taofeek Aroyehun and David Garcia and Mirta Galesic
论文ID：2303.00357
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-08-04