burung twitter 1, 2, dan 3
Pasukan penyelidik menguji tiga strategi ucapan balas yang berbeza di twitter untuk mengurangkan ucapan benci.  (Grafik: perikatan F)

Alternatif untuk memadam komen bermasalah ialah penggunaan ucapan balas yang disasarkan, yang digunakan oleh banyak organisasi untuk menangani ucapan benci dalam talian.

Adalah mungkin untuk mengekang ucapan kebencian dalam talian dengan mendorong empati kepada mereka yang terjejas, kajian tentang "ucapan balas" mendapati.

Sebaliknya, penggunaan jenaka atau amaran kemungkinan akibat mempunyai sedikit kesan, kata para penyelidik.

Untuk menyederhanakan komen yang penuh kebencian, banyak platform media sosial telah membangunkan penapis yang canggih. Walau bagaimanapun, ini sahaja tidak mencukupi untuk menyelesaikan masalah. Contohnya, Facebook menganggarkan (mengikut dokumen dalaman yang dibocorkan pada Oktober 2021) bahawa ia tidak dapat memadamkan lebih daripada 5% komen benci yang disiarkan oleh pengguna. Selain itu, penapis automatik adalah tidak tepat dan boleh menjejaskan kebebasan bersuara.


grafik langganan dalaman


Alternatif Untuk Memadam Komen Ucapan Kebencian

Alternatif untuk memadam komen bermasalah ialah penggunaan ucapan balas yang disasarkan, yang digunakan oleh banyak organisasi untuk menangani ucapan benci dalam talian. Walau bagaimanapun, sehingga kini, kurang diketahui tentang strategi ucapan balas yang paling berkesan dalam menangani permusuhan dalam talian.

Pasukan penyelidik yang diketuai oleh Dominik Hangartner, profesor dasar awam di ETH Zurich, bergabung tenaga dengan rakan sekerja di Universiti Zurich untuk menyiasat jenis mesej yang boleh menggalakkan pengarang ucapan benci untuk memotongnya.

Menggunakan kaedah pembelajaran mesin, para penyelidik mengenal pasti 1,350 berbahasa Inggeris Twitter pengguna yang telah menerbitkan kandungan perkauman atau xenofobik. Mereka secara rawak menugaskan akaun ini kepada kumpulan kawalan atau salah satu daripada tiga berikut, strategi balas ucapan yang sering digunakan: mesej yang menimbulkan empati dengan kumpulan yang disasarkan oleh perkauman, jenaka atau amaran tentang kemungkinan akibat.

Keputusan, yang muncul dalam Prosiding National Academy of Sciences, adalah jelas: hanya mesej balas ucapan yang menimbulkan empati kepada orang yang terjejas oleh ucapan benci berkemungkinan memujuk pengirim untuk mengubah tingkah laku mereka.

Jawapan Kepada Ucapan Kebencian

Contoh tindak balas sedemikian mungkin: "Siaran anda sangat menyakitkan untuk dibaca oleh orang Yahudi..." Berbanding dengan kumpulan kawalan, pengarang tweet kebencian menyiarkan kira-kira satu pertiga kurang komen perkauman atau xenofobia selepas campur tangan yang mendorong empati sedemikian. . Selain itu, kebarangkalian bahawa pengguna akan memadamkan tweet benci mereka meningkat dengan ketara.

Sebaliknya, pengarang tweet benci hampir tidak bertindak balas terhadap ucapan balas lucu. Malah mesej yang mengingatkan pengirim bahawa keluarga, rakan dan rakan sekerja mereka dapat melihat komen kebencian mereka juga tidak berkesan. Perkara ini menarik kerana kedua-dua strategi ini kerap digunakan oleh organisasi yang komited untuk memerangi ucapan kebencian.

"Kami pastinya tidak menemui ubat mujarab terhadap ucapan kebencian di internet, tetapi kami telah menemui petunjuk penting tentang strategi mana yang mungkin berkesan dan mana yang tidak," kata Hangartner. Perkara yang perlu dikaji ialah sama ada semua respons berasaskan empati berfungsi dengan baik, atau sama ada mesej tertentu lebih berkesan. Sebagai contoh, pengarang ucapan benci boleh digalakkan untuk meletakkan diri mereka dalam kasut mangsa atau diminta untuk menggunakan perspektif yang serupa ("Apakah perasaan anda jika orang bercakap tentang anda seperti itu?").

Penyelidikan ini adalah sebahagian daripada projek yang lebih komprehensif untuk membangunkan algoritma yang mengesan pertuturan kebencian, dan untuk menguji serta memperhalusi strategi ucapan balas selanjutnya. Untuk tujuan ini, pasukan penyelidik bekerjasama dengan pakatan organisasi payung wanita Switzerland F, yang telah memulakan projek masyarakat sivil Hentikan Ucapan Kebencian. Melalui kerjasama ini para saintis boleh menyediakan asas empirikal untuk perikatan F untuk mengoptimumkan reka bentuk dan kandungan mesej balas ucapan mereka.

“Hasil penyelidikan membuatkan saya sangat optimistik. Buat pertama kalinya, kami kini mempunyai bukti eksperimen yang menunjukkan keberkesanan ucapan balas dalam keadaan kehidupan sebenar,” kata Sophie Achermann, pengarah eksekutif perikatan F dan pemula bersama Stop Hate Speech.

Agensi inovasi Switzerland Innosuisse menaja kerja itu, yang turut melibatkan syarikat media Ringier dan TX Group melalui akhbar mereka Blick dan 20 Minuten masing-masing.

sumber: ETH Zurich, Kajian asal

memecahkan

Buku berkaitan:

Alat Perbualan Penting untuk Bercakap Apabila Pertaruhan Tinggi, Edisi Kedua

oleh Kerry Patterson, Joseph Grenny, et al.

Perihalan perenggan panjang pergi di sini.

Klik untuk maklumat lanjut atau untuk memesan

Jangan Pernah Membahagikan Perbezaan: Berunding Seolah-olah Hidup Anda Bergantung Padanya

oleh Chris Voss dan Tahl Raz

Perihalan perenggan panjang pergi di sini.

Klik untuk maklumat lanjut atau untuk memesan

Perbualan Penting: Alat untuk Bercakap Ketika Taruhannya Tinggi

oleh Kerry Patterson, Joseph Grenny, et al.

Perihalan perenggan panjang pergi di sini.

Klik untuk maklumat lanjut atau untuk memesan

Bercakap Dengan Orang Asing: Perkara Yang Kita Patut Tahu Mengenai Orang Yang Tidak Kita Kenal

oleh Malcolm Gladwell

Perihalan perenggan panjang pergi di sini.

Klik untuk maklumat lanjut atau untuk memesan

Perbualan Sukar: Cara Membincangkan Perkara Yang Paling Penting

oleh Douglas Stone, Bruce Patton, et al.

Perihalan perenggan panjang pergi di sini.

Klik untuk maklumat lanjut atau untuk memesan