互联网巨魔，根据定义，是破坏性的，好斗的，往往不愉快的攻击性或挑衅性的在线职位，旨在打扰和不安。
常见的假设是，巨魔们与我们其他人不同，给了我们自由去解除他们和他们的行为。 但一项新的研究表明否则 - 在适当的情况下，任何人都可以成为一个巨魔。
斯坦福大学计算机科学研究员，新文章的主要作者Justin Cheng说：“我们想明白，为什么今天的曳动现象非常普遍。 “虽然众所周知，巨魔是偶尔出现在对话中的特殊反社会的个体，难道真的只是这些人在嘲弄别人吗？
心情不好
驯鹿行为是一种天生的特征还是情境因素会影响人们像巨魔一样行事？ 为了找到答案，研究人员使用了实验，数据分析和机器学习相结合的方法，并提出了一些简单的因素，使普通人更容易发生巨大的变数。
在对反社会行为进行研究之后，研究人员决定把重点放在情绪和情境如何影响人们在论坛上发表的文章上。 他们通过一个众包平台，对667主题进行了两部分的实验。
在实验的第一部分，参与者进行了一个测试，要么非常简单，要么非常困难。 测试结束后，所有受试者填写问卷，评估他们的情绪各个方面，包括愤怒，疲劳，抑郁和紧张。 如预期的那样，完成困难考试的人比那些轻松考试的人心情更差。
所有参与者被指示阅读一篇文章并参与其评论部分。 他们不得不留下至少一个评论，但可以留下多个评论和回复，并可以回复其他评论。 所有参与者都在同一个平台上看到同样的文章，仅为实验而创建，但一些参与者在评论部分的顶部给了一个有三个巨魔职位的论坛。 其他人看到三个中性帖子。
两位独立的专家评估了被研究对象留下的职位是否合格，通常是在本研究中由来自几个论坛的指导原则组合而定义的。 例如，人身攻击和诅咒是指示巨魔的职位。
关于35完成简单测试并看到中性帖子的人中的百分比然后发布了他们自己的巨魔评论。 如果主题要么经过了严格的测试，要么被看作是拖延的评论，那么这个比例就会跳到50的百分比。 暴露于困难测试和巨魔职位的人大概占68的百分比。
为了将这些实验见解与现实世界联系起来，研究人员还分析了来自CNN评论部分的来自2012的匿名数据。 数据由1,158,947用户，200,576讨论和26,552,104帖子组成，包括禁止用户和被版主删除的帖子。 在这部分研究中，团队将巨魔职位定义为被社区成员滥用的标记。
“消极螺旋”
直接评价评论者的情绪是不可能的，但是研究人员考虑了帖子的时间戳，因为先前的研究已经表明一天中的时间和一周中的一天与情绪一致。 反对意见和标记职位的事件与既定的消极情绪模式紧密联系在一起。 这类事件往往会在深夜和周初增加，这也是人们最可能心情不好的时候。
研究人员进一步调查了情绪的影响，发现如果最近有人被标记，或者他们参加了单独的讨论，只包括其他人写的标记的帖子，那么人们更有可能产生标记的帖子。 无论文章与讨论有关，这些发现都是真实的。
计算机科学副教授，高级作者Jure Leskovec说：“这是消极的螺旋。 “只有一个人醒来可能会产生火花，由于讨论的上下文和投票的原因，这些火花可能会出现不良行为的级联。 糟糕的对话导致糟糕的对话。 得票低的人回来多了，评论更多，评论更糟。“
预测标记的帖子
作为研究的最后一步，团队创建了一个机器学习算法，负责预测作者写的下一篇文章是否会被标记。
提供给算法的信息包括作者最后一篇文章的时间戳，最后一篇文章是否被标记，讨论中的前一篇文章是否被标记，作者的标记文章的整体历史以及作者的匿名用户ID 。
调查结果显示，讨论中上一个帖子的旗帜状态是下一个帖子是否被标记的最有力的预测指标。 情绪相关的特征，如评论者的时间安排和以前的标记，远不如预测。 用户的历史和用户ID虽然有些预测性，但仍然比讨论上下文的信息量要少得多。 这意味着，虽然有些人可能一直更容易受到拖延，但我们发布的背景更有可能导致拖延。
阴影禁令和冷静期？
在现实生活中，大规模的数据分析，实验和预测任务之间，结果是强有力的和一致的。 研究人员认为，谈话背景和情绪可能会导致拖延。 他们认为这可能会创造更好的在线讨论空间。
康奈尔大学信息科学助理教授克里斯蒂安·达内斯库 - 尼古列斯库 - 米兹尔（Cristian Danescu-Niculescu-Mizil）说：“如果我们想提高在线讨论的质量，理解实际上决定某人反社会的行为是至关重要的。 “深入了解潜在的因果机制可以为系统的设计提供信息，从而鼓励更公开的在线讨论，并有助于版主更有效地减轻拖延。
防止拖钓的干预措施可能包括讨论论坛，向那些刚刚发布帖子的评论者建议一个冷静期，系统会自动提醒主持人可能是一个可能是一个巨魔岗位或“影子禁令”的职位 - 隐藏巨魔岗位从非漫游用户而不通知巨魔。
研究人员认为，像这样的研究只是一段时间以来所需要的工作的开始，因为互联网远没有成为人们曾经认为将会成为的热烈辩论和讨论的世界性村庄。
斯坦福大学计算机科学助理教授迈克尔·伯恩斯坦（Michael Bernstein）说：“在这一天结束的时候，这项研究的真正意义在于我们是在讨论这些问题。 “很多新闻网站都删除了他们的评论系统，因为他们认为这与实际的辩论和讨论是相反的。 了解我们自己的最好和最坏的自我是把他们带回来的关键。“
纸 作为即将举行的2017计算机支持的合作工作和社会计算大会的一部分发布。
Sumber: 斯坦福大学
相关书籍
at InnerSelf 市场和亚马逊
