close
在喬治華盛頓大學物理學教授尼爾-約翰遜的領導下，研究小組著手瞭解盡管有大量的審核工作，惡意內容如何以及為什麼在網上如此興盛，以及如何能夠阻止它。該團隊使用機器學習和網絡數據科學的組合，調查在線仇恨社區如何將COVID-19磨練成一種武器，並利用當前事件吸引新的追隨者。
研究人員首先繪制瞭仇恨群組如何相互連接以在社交媒體平臺上傳播他們的內容。該團隊專註於六個平臺，包括Facebook、VKontakte、Instagram、Gab、Telegram和4Chan，從一個特定的仇恨集群開始，向外尋找與原始集群有緊密聯系的第二個集群。他們發現最強的連接是VKontakte進入Telegram（40.83%的跨平臺連接），Telegram進入4Chan（11.09%），以及Gab進入4Chan（10.90%）。
研究人員隨後將註意力轉向識別與COVID-19有關的惡意內容。他們發現，在大流行的早期階段，COVID-19討論的連貫性迅速增加，仇恨集群形成敘事，並圍繞COVID-19的主題和錯誤信息進行凝聚。研究人員發現，為瞭顛覆社交媒體平臺的控制努力，發送仇恨信息的團體使用瞭幾種適應策略，以便在其他平臺上重新組合，重新進入一個平臺。例如，群組經常改變他們的名字，以避免被算法發現。
由於獨立的社交媒體平臺數量在不斷增加，這些產生仇恨的群組非常有可能通過新的鏈接加強和擴大他們的相互聯系，並可能利用美國和其他西方國傢管轄范圍以外的新平臺，讓全球所有社交媒體平臺合作解決這個問題的機會非常渺茫。然而，科學傢的數學分析確定瞭平臺可以作為一個團體使用的策略，以有效減緩或阻止在線仇恨內容傳播。
全站熱搜
留言列表
