인터넷 트롤은 정의상 혼란스럽고 도발적이며 종종 불쾌감을 주도록 고안된 공격적이거나 도발적인 온라인 게시물에 불쾌감을 줄 수 있습니다.
일반적인 가정은 트롤이 다른 사람들과 다르다는 사실이며, 우리를 해산시킬 수있는 자유와 행동을 제공한다는 것입니다. 그러나 새로운 연구는 그렇지 않은 상황을 암시합니다. 적절한 상황에서 누구나 트롤이 될 수 있습니다.
스탠포드 대학의 컴퓨터 과학 연구원이자 새로운 논문의 주 저자 인 저스틴 쳉 (Justin Cheng)은 "오늘날 왜가리가 왜 그렇게 널리 퍼지고 있는지 이해하고 싶었습니다. "트롤은 특히 대화에 종종 등장하는 사회 병리 적 개인 들인 것이 일반적이지만, 다른 사람들을 추적하고있는 사람들인가?"
나쁜 기분
제비 갈매기 행동이 타고난 특성입니까, 아니면 상황에 따라 요인이 사람들에게 트롤처럼 행동 할 수 있습니까? 연구원은 실험, 데이터 분석 및 기계 학습의 조합을 사용하여 평균적인 사람을 트롤 할 가능성을 높여주는 몇 가지 간단한 요소를 고수했습니다.
연구원들은 반사회적 행동에 대한 이전의 연구에 따라 사람들이 기분과 상황이 토론 포럼에 어떤 영향을 주는지에 초점을두기로 결정했습니다. 그들은 crowdsourcing 플랫폼을 통해 모집 한 667 피험자들과 함께 두 부분으로 구성된 실험을 시작했습니다.
실험의 첫 번째 부분에서 참가자들은 매우 쉽거나 어려운 테스트를 받았다. 검사를 마친 후 모든 피험자는 분노, 피로, 우울증, 긴장 등 다양한 기분을 평가하는 설문지를 작성했습니다. 예상대로 어려운 테스트를 완료 한 사람들은 쉬운 테스트를받은 사람들보다 더 나쁜 분위기에있었습니다.
모든 참가자들은 기사를 읽고 코멘트 섹션에 참여하도록 지시 받았다. 그들은 적어도 하나의 코멘트를 남겨야 만했지만, 여러 의견을 남기고, 최대 투표와 다운 투표를 할 수 있었고, 다른 의견에 대답 할 수있었습니다. 모든 참가자는 동일한 플랫폼에서 같은 실험을 위해 만든 기사를 보았지만 일부 참가자에게는 댓글 섹션 상단에 3 개의 트롤 포스트가 포함 된 포럼이 주어졌습니다. 다른 사람들은 3 개의 중립적 인 게시물을 보았습니다
2 명의 독립적 인 전문가는 과목으로 남아있는 기둥들이 여러 토론 포럼에서 가져온 게시 지침의 조합에 의해이 연구에서 일반적으로 정의 된, 조업으로 자격이 있는지 여부를 평가했습니다. 예를 들어, 개인 공격과 저주는 트롤 포스트를 나타냅니다.
쉬운 테스트를 완료하고 중립적 인 게시물을 본 사람의 35 %는 자신의 트롤 설명을 게시했습니다. 피실험자가 하드 테스트를 받거나 비틀 거려서 논평을하면 그 비율은 50 퍼센트로 뛰었습니다. 어려운 테스트와 트롤 포스트에 노출 된 사람들은 대략 68 퍼센트의 시간을 보냈습니다.
이러한 실험적 통찰력을 실제 세계와 관련시키기 위해 CNN의 2012 코멘트 섹션에서 익명의 데이터를 분석했다. 데이터는 1,158,947 사용자, 200,576 토론 및 26,552,104 게시물로 구성되었으며 운영자가 삭제 한 금지 된 사용자 및 게시물이 포함되었습니다. 연구의이 부분에서, 팀은 트롤 포스트를 남용을 위해 커뮤니티 구성원이 신고 한 것으로 정의했습니다.
'부정적인 나선형'
덧글 작성자의 분위기를 직접 평가하는 것은 불가능했지만 이전 연구 결과에 따르면 시간과 요일이 분위기와 일치하기 때문에 게시물의 타임 스탬프를 조사했습니다. 아래 표의 사건과 기표 된 사건은 부정적인 분위기의 확립 된 패턴과 밀접하게 나란히 늘어서 있습니다. 이러한 사고는 야간과 이른 주에 증가하는 경향이 있으며, 이는 사람들이 기분이 좋지 않을 가능성이 가장 높은시기이기도합니다.
연구원은 기분의 영향을 더 조사하여 사람들이 최근에 신고되었거나 다른 사람들이 작성한 기표 된 게시물을 포함하는 별도의 토론에 참여한 경우 사람들이 기명 된 게시물을 생성 할 확률이 더 높은 것으로 나타났습니다. 이 발견은 토론과 관련된 기사가 무엇이든 상관이 없습니다.
컴퓨터 과학 부교수이자 논문의 수석 저자 인 Jure Leskovec는 "이것은 부정적인 요소입니다. "크랙 키기를 깨우는 한 사람 만이 불꽃을 일으킬 수 있으며, 토론의 맥락과 투표로 인해 이러한 불꽃이 나빠질 수 있습니다. 나쁜 대화는 나쁜 대화로 이어집니다. 실망한 사람들은 더 많이 돌아 왔고, 더 많은 의견을 말하고, 더 나쁜 의견을 말합니다. "
신고 된 게시물 예측
연구의 마지막 단계에서 팀은 작성자가 작성한 다음 게시물의 플래그 지정 여부를 예측하는 기계 학습 알고리즘을 만들었습니다.
알고리즘에 제공된 정보에는 작성자의 마지막 게시물의 타임 스탬프, 마지막 게시물에 플래그가 지정되었는지 여부, 토론의 이전 게시물이 신고되었는지 여부, 신고 된 게시물 작성자의 전체 기록 및 작성자의 익명 사용자 ID가 포함됩니다. .
연구 결과는 토론에서 이전 게시물의 플래그 상태가 다음 게시물에 플래그가 지정 될지 여부를 나타내는 가장 강력한 예측 자임을 보여줍니다. 댓글 작성자의 타이밍 및 이전 신고와 같은 기분과 관련된 기능은 훨씬 예측이 어려웠습니다. 사용자의 기록 및 사용자 ID는 비록 다소 예측 적이지만 토론의 맥락보다 훨씬 덜 유익했습니다. 이는 일부 사람들은 지속적으로 가두어 눕히기 쉽지만, 우리가 게시하는 상황은 가두어 잡기로 이어질 가능성이 높다는 것을 의미합니다.
암흑 금지 및 냉각 기간?
실제, 대규모 데이터 분석, 실험 및 예측 작업 사이에서 결과는 강력하고 일관성이있었습니다. 연구자들은 대화의 맥락과 분위기가 조업으로 이어질 수 있다고 제안합니다. 그들은 이것이 더 나은 온라인 토론 공간을 창출 할 수 있다고 믿습니다.
Cornell University의 정보 과학 조교수이자 논문의 공동 저자 인 Cristian Danescu-Niculescu-Mizil은 "온라인 토론의 질을 높이려면 실제로 누군가를 반 사회적으로 행동하게 결정하는 것을 이해하는 것이 중요합니다. 기본 인과 관계 메커니즘에 대한 통찰력은 민간 온라인 토론을 장려하는 시스템 설계를 알려줄 수 있으며 운영자가보다 효과적으로 조업을 완화하는 데 도움이 될 수 있습니다. "
트롤링을 방지하기위한 개입에는 게시판에 방금 게시자가있는 사람들에게 냉각 기간을 권장하는 토론 포럼이나 트롤 포스트 또는 "섀도우 금지"가 될 가능성이있는 게시물에 중재자를 자동으로 알리는 시스템 - 트롤 포스트 숨기기 트롤을 알리지 않고 비 트롤 사용자로부터.
연구자들은 인터넷이 한때 세계가 펼쳐지는 따뜻한 토론과 토론의 마을이 아니라고 생각했기 때문에이 같은 연구가 오랫동안 필요한 작업의 시작일 뿐이라고 생각합니다.
스탠포드 대학의 컴퓨터 과학 조교수 인 마이클 번스타인 (John Bernstein)은 "하루가 끝나면이 연구가 실제로 제안한 바는 토론에서 이러한 고장을 일으키는 것이 우리라는 것입니다. "많은 뉴스 사이트는 실제 논쟁과 토론에 반대한다고 생각하기 때문에 주석 시스템을 제거했습니다. 우리 자신의 최우선 및 최악의 자아를 이해하는 것이 이들을 되 찾는 열쇠입니다. "
XNUMXD덴탈의 종이 컴퓨터 지원 협력 작업 및 소셜 컴퓨팅에 관한 다가오는 2017 컨퍼런스의 일환으로 출판되었습니다.
관련 서적
at 이너셀프 마켓과 아마존
