推特上的廢文、惡意推文和部落傾向：政治極化貼文的趨勢

核心概念

在推特上，與持有不同政治立場的用戶互動以及接觸惡意內容，都會增加用戶發布惡意推文的可能性。

摘要

書目資訊

Hanley, H. W. A., & Durumeric, Z. (2024). Twits, Toxic Tweets, and Tribal Tendencies: Trends in Politically Polarized Posts on Twitter. arXiv preprint arXiv:2307.10349v2.

研究目標

本研究旨在探討推特用戶的政治立場、用戶間互動和惡意言論之間的關係，並分析哪些因素會導致用戶發布惡意推文。

研究方法

• 收集 2022 年 43,151 個推特用戶的 8960 萬條推文。
• 使用對應分析（CA）方法，根據用戶關注的政治人物來估計他們的政治立場。
• 訓練一個基於 DeBERTa 的惡意言論偵測模型，用於識別惡意推文。
• 使用 MPNet 語言模型和 DP-Means 聚類算法對惡意推文進行主題分析。
• 使用廣義加性模型（GAM）分析用戶特徵與惡意言論之間的關係。

主要發現

• 與發布惡意內容的用戶互動會增加用戶自身發布惡意推文的可能性。
• 用戶與政治立場不同用戶的互動越多，他們發布惡意推文的可能性就越大。
• 在特定主題下，用戶參與的政治立場範圍越廣，他們的推文就越容易带有惡意。

主要結論

研究結果表明，推特上的惡意言論與政治極化密切相關。與持有不同政治立場的用戶互動會增加用戶接觸惡意內容並發布惡意推文的可能性。

研究意義

本研究有助於理解社群媒體上政治極化和惡意言論之間的複雜關係，並為平台制定有效的策略以減少惡意言論提供參考。

研究限制與未來方向

• 研究僅限於 2022 年的推特數據，未來研究可以收集更大範圍的時間段和平台數據。
• 未來研究可以進一步探討其他因素（例如，性別、種族）對惡意言論的影響。

統計資料

數據集包含 43,151 個推特用戶的 8960 萬條推文。
平均每個用戶發布 2076.4 條推文，中位數為 614.0 條。
研究使用了 117 届美國國會（2021-2023 年）的眾議院和參議院議員的推特帳戶，以及其他 352 個政治人物的帳戶進行政治立場分析。
使用 DP-Means 算法，從 5,509,042 條英文惡意推文中識別出 5,288 個主題集群。

引述

"This is so indescribably fucked up. Except I love Nancy Pelosi giving him the shiv."
"Fuck him. No, seriously, fuck him. If anyone’s a welfare queen it’s him..."

從以下內容提煉的關鍵洞見

Twits, Toxic Tweets, and Tribal Tendencies: Trends in Politically Polarized Posts on Twitter

by Hans W. A. H... 於 arxiv.org 11-01-2024

https://arxiv.org/pdf/2307.10349.pdf

深入探究

社群媒體平台應該採取哪些措施來減輕政治極化和惡意言論的影響？

社群媒體平台在減輕政治極化和惡意言論方面扮演著至關重要的角色。以下是一些建議措施：

促進多元觀點： 平台可以透過演算法調整，避免使用者陷入「同溫層」，鼓勵接觸不同政治立場的觀點。例如，推薦演算法可以加入多元性指標，避免只推薦使用者偏好的內容。
強化事實查核機制： 平台應積極與第三方事實查核機構合作，標記或移除不實資訊，並提供使用者正確資訊的連結。
提升平台透明度： 平台應公開其演算法和內容審查機制，讓使用者了解平台如何運作，並接受公眾監督。
鼓勵建設性對話： 平台可以設計功能，鼓勵使用者以尊重和理性的態度進行討論。例如，開發提醒使用者使用友善用語的功能，或提供使用者舉報惡意言論的便捷管道。
與專家學者合作： 平台應與社會科學家、傳播學者和心理學家合作，深入研究平台上的政治極化和惡意言論現象，並根據研究結果制定有效的應對策略。

是否所有形式的政治討論都必然導致惡意言論？是否有可能促進建設性和尊重性的政治對話？

並非所有政治討論都必然導致惡意言論。促進建設性和尊重性的政治對話是可能的，以下是一些關鍵要素：

共同事實基礎： 建設性對話需要建立在對基本事實的共識之上。平台可以提供可靠的資訊來源，幫助使用者建立共同的認知基礎。
同理心和傾聽： 參與者應試著理解和尊重彼此的觀點，即使他們不同意對方的立場。平台可以設計功能，鼓勵使用者積極傾聽和回應不同意見。
理性思辨： 參與者應避免使用情緒化或攻擊性的語言，而是以理性和證據為基礎進行討論。平台可以開發工具，幫助使用者辨識和避免使用邏輯謬誤。
聚焦議題本身： 參與者應避免人身攻擊，而是將重點放在討論議題本身。平台可以設計功能，引導使用者聚焦於議題的討論，避免話題失焦。

如果將研究結果應用於其他文化和政治環境中，會得出怎樣的結論？

雖然這項研究聚焦於美國政治環境下的 Twitter 平台，但其結果對於理解其他文化和政治環境中的社群媒體現象也具有參考價值。

跨文化差異： 不同文化對於惡意言論的定義和接受程度可能有所差異。在應用研究結果時，需要考慮到這些文化差異，並根據具體情況進行調整。
政治制度影響： 不同政治制度下，社群媒體的政治極化程度可能有所不同。例如，在威權國家，由於言論自由受到限制，社群媒體上的政治討論可能更加隱晦。
社群媒體使用習慣： 不同國家和地區的社群媒體使用習慣也可能影響政治極化的程度。例如，在某些國家，社群媒體的使用年齡層較低，這可能導致政治討論更加情緒化。
總而言之，雖然研究結果不能直接套用於所有文化和政治環境，但其揭示的社群媒體與政治極化之間的關係，對於我們理解不同文化和政治環境中的社群媒體現象，仍具有重要的啟發意義。