Why People Engage In Trolling Behavior

“失败的生活。 去炸弹吧。“ The Conversation

在CNN的一篇关于女性如何看待自己的文章中发现的这样的评论,如今在互联网上流行起来,无论是Facebook,Reddit还是新闻网站。 这种行为的范围可以从亵渎和名称呼吁人身攻击,性骚扰或仇恨言论。

最近皮尤互联网调查 发现在线的10人中有四人在线受到骚扰,更有目击者的这种行为。 拖网已经变得如此猖獗,几个网站甚至诉诸了 彻底删除评论.

许多人认为,拖延是由一小群声音很小的反社会人士完成的。 这个信念不仅在这方面得到了加强 上的相关利益产业。而且在过去的关于拖钓的研究中,侧重于采访这些人。 一些研究甚至表明,巨魔有诱因 个人和生物特征如虐待和寻求过度刺激的倾向。

但是如果所有的巨魔都不是天生的巨魔呢? 如果他们是像我们这样的普通人呢? 在 我们的研究,我们发现人们可以在网络社区的适当环境下受到影响来欺骗他人。 通过分析16在CNN.com上发表的评论和进行在线控制实验,我们确定了两个关键因素,可以导致普通人的巨魔。

什么让一个巨魔?

我们通过在线众包平台招募了667参与者,并要求他们先进行测验,然后阅读文章并参与讨论。 每个参与者都看到了同一篇文章,但有些人得到了一个讨论,这个讨论始于巨魔的评论,其他人则看到了中立的评论。 在这里,拖钓是使用标准社区准则定义的 - 例如,辱骂,亵渎,种族主义或骚扰。 事先给出的测验也变得容易或困难。


innerself subscribe graphic


我们对CNN.com评论的分析有助于验证和扩展这些实验观察结果。

似乎影响拖钓的第一个因素是一个人的心情。 在我们的实验中,处于负面情绪的人更有可能开始拖延。 我们也发现,随着时间的流逝,徘徊与流动同步 自然的人类情绪模式。 拖车在深夜最频繁,早上最不频繁。 星期一在工作周的开始时间,星期三也是高峰期。

此外,我们发现消极的情绪可以持续超越那些带来这些感觉的事件。 假设一个人参与其他人撰写巨魔评论的讨论。 如果这个人继续参加一个无关的讨论,他们也更有可能在这个讨论中大肆渲染。

第二个因素是讨论的背景。 如果一个讨论以“巨魔评论”开头,那么相比之下,其他参与者就可能被其他参与者拖拽的可能性要高出两倍。

事实上,这些巨魔的评论可以加起来。 讨论中越多的巨魔评论越多,未来的参与者也会越来越难以讨论。 总而言之,这些结果显示了讨论中的初步评论如何为后来的拖钓创下了强有力的,持久的先例。

我们想知道,通过使用这两个因素,我们可以预测何时会出现拖钓。 使用机器学习算法,我们可以预测一个人是否会在80的时间内占用大量的时间。

有趣的是,情绪和讨论的背景是一个更强大的拖钓指标,而不是将特定的个体识别为巨魔。 换句话说,人的环境造成的拖钓比任何固有的特征都要多。

由于拖钓是情境化的,普通人可能会受到巨大的影响,这种行为最终会在人与人之间蔓延。 讨论中的一个巨魔评论 - 也许是在一个错误的床上醒来的人写的 - 可能导致其他参与者的情绪恶化,甚至在其他地方的更多的巨魔评论。 随着这种消极的行为继续蔓延,如果不加控制的话,最终可能成为社区的常态。

反击

尽管有这些令人清醒的结果,但有几种方法可以帮助我们创造更好的网上空间供公众讨论。

通过了解导致拖钓的原因,我们现在可以更好地预测拖钓何时可能发生。 这可以让我们提前发现潜在的有争议的讨论,并预先提醒主持人,他们可以干预这些侵略性的情况。

机器学习算法还可以比任何人快得多地排序​​数百万个帖子。 通过培训计算机来发现钓鱼行为,我们可以以更快的速度识别和过滤不需要的内容。

社会干预也可以减少拖钓。 如果我们允许人们收回最近发表的评论,那么我们可能能够最大限度地减少当前热度发布的遗憾。 改变讨论的背景,优先考虑建设性意见,可以增加对文明的认识。 即使只是将关于社区规则的帖子固定在讨论页面顶部也是如此 最近的一个实验 在Reddit上进行了显示。

尽管如此,还有很多工作要做,以解决拖钓问题。 了解有组织的拖钓的作用可以限制某些类型的不良行为。

拖钓也可以在不同的严重程度,从发誓到有针对性的欺凌,这需要不同的反应。

区分巨魔评论与作者意图的影响也很重要:巨魔是否意味着伤害别人,还是他或她只是想表达不同的观点? 这可以帮助不受欢迎的人与那些只需要帮助的人交流他们的想法。

当在线讨论失败的时候,不仅仅是反社会人士的责任。 我们也有错。 许多“巨魔”只是像我们这样糟糕的一天的人。 了解到,我们对网上令人激动和令人沮丧的对话负责是进行更有成效的在线讨论的关键。

关于作者

Justin Cheng,计算机科学博士, 斯坦福大学; 信息科学助理教授Cristian Danescu-Niculescu-Mizil, 美国康奈尔大学,Michael Bernstein,计算机科学助理教授, 斯坦福大学, 斯坦福大学的Jure Leskovec也为这篇文章做出了贡献。

这篇文章最初发表于 谈话。 阅读 原创文章.

相关书籍

at InnerSelf 市场和亚马逊