[ad_1]

نظرسنجی: مقابله با نفرت در شبکه های اجتماعی

شکل 1 مقاله: نمونه هایی از مکالمات توییتر (پاسخ درختان) با سخنان نفرت (قرمز) ، شمارنده (آبی) و گفتار خنثی (سفید). گره ریشه به صورت یک مربع بزرگ نشان داده می شود. اعتبار: گارلند و همکاران ، EMNLP 2020

افزایش سخنان نفرت انگیز آنلاین یک روند ناراحت کننده و رو به رشد در کشورهای جهان است ، که پیامدهای روانی جدی دارد و احتمال تأثیرگذاری و حتی کمک به خشونت در دنیای واقعی را دارد. تناقض های متقابل ایجاد شده توسط شهروندان می تواند به دلسردی شعارهای آنلاین نفرت انگیز کمک کند ، اما کمیت و بررسی آن دشوار است. تا همین اواخر ، تحقیقات محدود به تلاش های کوچک و مشخص شده با دست بود.

مقاله جدیدی که در گزارش کنفرانس روش های تجربی در پردازش زبان طبیعی (EMNLP) در سال 2020 منتشر شده است ، چارچوبی را برای مطالعه پویایی گفتار نفرت آنلاین ارائه می دهد. این سند اولین طبقه بندی در مقیاس بزرگ از میلیون ها تعامل از این دست را در توییتر ارائه می دهد. نویسندگان یک الگوریتم آموزشی برای ارزیابی داده ها از یک موقعیت منحصر به فرد در توییتر آلمان ایجاد کرده اند و یافته ها نشان می دهد که جنبش های سازمان یافته ضد نفرت در رسانه های اجتماعی از افراد خودساخته م effectiveثرتر است.

نویسندگان گزارش خود را “مقابله با نفرت در رسانه های اجتماعی: طبقه بندی مقیاس گسترده نفرت و گفتار علیه آنها” در طی سمینار سو abuse استفاده آنلاین و آسیب در 20 نوامبر 2020 ، که به طور مشترک با EMNLP 2020 برگزار شد ، ارائه می دهند

جوشوا گارلند ، ریاضی دان و همکار در زمینه پیچیدگی های کاربردی در انستیتوی سانتافه گفت: “من این تغییر بزرگ در گفتمان های مدنی را طی دو یا سه سال اخیر بسیار نفرت انگیزتر و قطبی تر دیده ام.” “بنابراین ، برای من یک سوال جالب این بود: وقتی شما مورد آزار و اذیت قرار می گیرید یا در حال دریافت سخنان نفرت انگیز بصورت آنلاین هستید ، جواب درست چیست؟ آیا در حال پاسخ دادن هستید؟ آیا می خواهید دوستان خود را برای محافظت از شما راهنمایی کنید؟ شما فقط شخص را مسدود می کنید؟”

برای بررسی علمی چنین موضوعاتی ، محققان ابتدا باید به انبوهی از داده های واقعی هم در مورد سخنان متنفر و متناقض و هم چنین توانایی تمایز بین این دو دسترسی داشته باشند. این داده ها همچنین وجود دارد گارلند و كیان گازی زاهدی ، همكار وی از مسسه ماكس پلانك در آلمان ، وی را در یك تعامل پنج ساله كه در توییتر آلمان صورت می گیرد ، پیدا می كند: همانطور كه ​​گروهی از راست گرایان جایگزین با سخنان نفرت آمیز روی سكو آمدند ، جنبش افزایش یافت ، برای مقابله با آن.

میرتا گالشیچ ، دانشمند اجتماعی تیم و استاد پویایی اجتماعی انسان در SFI ، توضیح می دهد: “زیبایی این دو گروه این است که آنها خود ارزیابی می کنند.” او می گوید محققانی که تناقض را مطالعه می کنند معمولاً باید صدها دانشجو را برای رمزگذاری هزاران نشریه با دست استخدام کنند. اما گارلند و قاضی زاهدی موفق شدند نشریات دارای برچسب خود را در الگوریتم یادگیری ماشین برای اتوماسیون بخشهای بزرگ طبقه بندی معرفی کنند. این تیم همچنین به 20-30 نفر از برنامه نویسان انسانی تکیه کرد تا آزمایش کند که آیا طبقه بندی ماشین با شهود آنچه به عنوان نفرت و تناقض ثبت شده مطابقت دارد یا خیر.

نتیجه ، مجموعه ای از داده ها با ابعادی بی سابقه است که به محققان اجازه می دهد نه تنها موارد منزوی نفرت و مقاومت در گفتار را تجزیه و تحلیل کنند ، بلکه تعاملات طولانی مدت بین این دو را نیز مقایسه کنند.

این تیم مجموعه ای از میلیون ها توییت ارسال شده توسط اعضای هر دو گروه را با استفاده از این توییت های شناسایی شده برای آموزش الگوریتم طبقه بندی خود برای تشخیص سخنان نفرت انگیز و مقابله با آنها جمع آوری کرد. آنها سپس الگوریتم خود را برای بررسی پویایی حدود 200000 مکالمه بین سال های 2013 و 2018 به کار بردند. نویسندگان قصد دارند به زودی گزارش پیگیری را منتشر کنند و در آن پویایی های الگوریتم خود را تجزیه و تحلیل کند.

“اکنون می توانیم به مجموعه گسترده ای از داده ها از سال 2016 تا 2018 اجازه دهیم تا ببینیم سهم نفرت و تناقض در طول زمان چگونه تغییر می کند ، چه کسی لایک بیشتری می گیرد ، چه کسی بازتوییت می شود و چگونه آنها به یکدیگر پاسخ می دهند.” گالسیچ می گوید.

گارلند خاطرنشان کرد: مقدار داده ها ، یک سود بزرگ ، آنها را “فوق العاده پیچیده” می کند. محققان در حال مقایسه روش ها برای این دو گروه و پیگیری س questionsالات گسترده تری هستند ، از جمله اینکه آیا برخی از استراتژی های ضد تناقض از سایر افراد موثرتر هستند یا خیر.

گارلند می گوید: “آنچه امیدوارم این باشد كه ما بتوانیم با یك نظریه اجتماعی سختگیرانه روبرو شویم كه به مردم می گوید چگونه می توانند با یك نفرت از طریق نفرت ، مقابله كنند و قطبی نباشد” و اینترنت را به گفتمان مدنی بازگرداند.


افزایش سخنان نفرت انگیز بصورت آنلاین منجر به جرایم بیشتری علیه اقلیت ها می شود


اطلاعات بیشتر:
www.aclweb.org/anthology/2020.alw-1.13/

تهیه شده توسط موسسه سانتافه

نقل قول: نظرسنجی: ضد نفرت در رسانه های اجتماعی (2020 ، 20 نوامبر) در 20 نوامبر 2020 از https://phys.org/news/2020-11-countering-social-media.html استخراج شده است

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به جز هر معامله عادلانه ای به منظور معاینه خصوصی یا تحقیق ، هیچ بخشی بدون اجازه کتبی قابل تولید نیست. این محتوا فقط برای اطلاع رسانی ارائه شده است.



[ad_2]

منبع: moshaverh-news.ir