論文の概要: Testing Hypotheses from the Social Approval Theory of Online Hate: An Analysis of 110 Million Posts from Parler
- arxiv url: http://arxiv.org/abs/2507.10810v1
- Date: Mon, 14 Jul 2025 21:10:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:02.890507
- Title: Testing Hypotheses from the Social Approval Theory of Online Hate: An Analysis of 110 Million Posts from Parler
- Title（参考訳）: オンラインヘイトに関する社会的承認理論からの仮説の検証:パーラーの投稿1億1000万件の分析
- Authors: David M. Markowitz, Samuel Hardman Taylor,
- Abstract要約: ヘイトメッセージに対する社会的承認のさらなるシグナルは、その後のヘイトメッセージを予測する。
社会的承認が増えるにつれて、ヘイトスピーチのメッセージはますます極端になる。
オンラインヘイトに対する社会的承認強化メカニズムは、ニッチなソーシャルメディアプラットフォーム上で異なる操作を行う可能性がある。
- 参考スコア（独自算出の注目度）: 0.18416014644193066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we explored how online hate is motivated by receiving social approval from others. We specifically examined two central tenets of Walther's (2024) social approval theory of online hate: (H1a) more signals of social approval on hate messages predicts more subsequent hate messages, and (H1b) as social approval increases, hate speech messages become more extreme. Using over 110 million posts from Parler (2018-2021), we observed that the number of upvotes a person received on a hate speech post was unassociated with the amount of hate speech in their next post and posts during the next week, month, three months, and six months. Between-person effects revealed an average negative relationship between social approval and hate speech production at the post level, but this relationship was mixed at other time intervals. Social approval reinforcement mechanisms of online hate may operate differently on niche social media platforms.
- Abstract（参考訳）: 本稿では,他者からの社会的承認を得て,オンラインヘイトを動機づける方法について検討した。
H1a) ヘイトメッセージに対する社会的承認のシグナルが、その後のヘイトメッセージを予測し、(H1b) 社会的承認が増加するにつれて、ヘイトスピーチメッセージはより極端なものになる。
Parler氏(2018-2021)の投稿1億1000万件以上を使用して、ヘイトスピーチ投稿で受け取ったアップボイト数は、次の週、月、3ヶ月、および6ヶ月のヘイトスピーチの量と無関係であることを示した。
対人効果は, 社会的承認とヘイトスピーチ生成との平均的負の関係をポストレベルで示したが, この関係は他の時間間隔で混合した。
オンラインヘイトに対する社会的承認強化メカニズムは、ニッチなソーシャルメディアプラットフォーム上で異なる操作を行う可能性がある。
関連論文リスト
- Mapping the Spiral of Silence: Surveying Unspoken Opinions in Online Communities [60.695668356379684]
コミュニティに公に投稿された視点と,コミュニティメンバの私的な視点との相違について検討した。
少数派で自覚する参加者の72.6%が沈黙を保ち、自分の見解を投稿する確率はわずか半分である。
これらの結果は、私たちがオンラインで見る意見が、彼らが表現すべき人口にどれほど遠く及ばないかを強調している。
論文 参考訳（メタデータ） (2025-02-02T23:06:05Z) - ProvocationProbe: Instigating Hate Speech Dataset from Twitter [0.39052860539161904]
textitProvocationProbeは、ヘイトスピーチを一般的なヘイトスピーチと区別するためのデータセットである。
本研究では、Twitterから約2万件のツイートを収集し、全世界で9件の論争を巻き起こした。
論文 参考訳（メタデータ） (2024-10-25T16:57:59Z) - Analyzing User Characteristics of Hate Speech Spreaders on Social Media [20.57872238271025]
ヘイトスピーチにおけるユーザ特性の役割を分析する。
社会的影響の少ないユーザーは、ヘイトスピーチをシェアする傾向にある。
政治的反トランプと反右派憎悪は、より大きな社会的影響力を持つユーザーによって再創造される。
論文 参考訳（メタデータ） (2023-10-24T12:17:48Z) - CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a
Context Synergized Hyperbolic Network [52.85130555886915]
CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。
我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
論文 参考訳（メタデータ） (2023-03-02T17:30:43Z) - Non-Polar Opposites: Analyzing the Relationship Between Echo Chambers
and Hostile Intergroup Interactions on Reddit [66.09950457847242]
Redditユーザーの5.97万人の活動と、13年間に投稿された421万人のコメントについて調査した。
我々は、ユーザーが互いに有害であるかどうかに基づいて、政治コミュニティ間の関係のタイプロジを作成する。
論文 参考訳（メタデータ） (2022-11-25T22:17:07Z) - Quantifying How Hateful Communities Radicalize Online Users [2.378428291297535]
我々は、他のソーシャルネットワークに伝播するヘイトスピーチの観点から、フロンティアヘイトフルなコミュニティに参加することの影響を計測する。
Redditのデータを使って、1種類のエコーチャンバーに参加する効果を評価する。
有害な言論はコミュニティに留まらないことを示す。
論文 参考訳（メタデータ） (2022-09-19T01:13:29Z) - CRUSH: Contextually Regularized and User anchored Self-supervised Hate
speech Detection [6.759148939470331]
CRUSHは,ユーザが選択した自己スーパービジョンと文脈正規化を用いたヘイトスピーチ検出のためのフレームワークである。
提案手法は,2種類のタスクと複数のポピュラーなソーシャルメディアデータセットに対して,過去のアプローチよりも1～12%向上する。
論文 参考訳（メタデータ） (2022-04-13T13:51:51Z) - Going Extreme: Comparative Analysis of Hate Speech in Parler and Gab [2.487445341407889]
われわれはParler上でのヘイトスピーチの大規模分析を行った。
分類精度を改善するために10K Parlerの投稿に注釈を付けた。
ヘイト・モンジャーはパラーのアクティブユーザー数の16.1%を占める。
論文 参考訳（メタデータ） (2022-01-27T19:29:17Z) - Comparing the Language of QAnon-related content on Parler, Gab, and
Twitter [68.8204255655161]
保守派の間で人気の「言論の自由」プラットフォームであるParlerは、2021年1月に、憎悪やQAnonなどの陰謀に関するコンテンツのモデレーションの欠如により、オフラインになった。
われわれは投稿をParlerの#QAnonというハッシュタグと比較する。
Gabはヘイト条件の#QAnon投稿が最も多く、ParlerとTwitterも同様である。
これら3つのプラットフォームにおいて、女性政治家、民主党員、ドナルド・トランプに言及する投稿は、男性政治家、共和党員、あるいは共和党員に言及する投稿よりも、より反社会的な言葉を持っている。
論文 参考訳（メタデータ） (2021-11-22T11:19:15Z) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳（メタデータ） (2020-05-25T21:58:09Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。