論文の概要: "F*** You Biden": Cross-Partisan Electoral Toxicity on X
- arxiv url: http://arxiv.org/abs/2605.12526v1
- Date: Fri, 10 Apr 2026 15:19:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.787676
- Title: "F*** You Biden": Cross-Partisan Electoral Toxicity on X
- Title（参考訳）: 「F*** You Biden」:X上での党派間の選挙公害
- Authors: Danishjeet Singh, Anindya Mondal, Filippo Menczer,
- Abstract要約: われわれは2024年のアメリカ合衆国大統領選挙で集めたX(元Twitter)からの大量のオリジナル投稿と返信を使っている。
人によって検証された大きな言語モデルを用いて、投稿やユーザの政治的アライメントを分類し、顕著な非対称性を明らかにする。
共和党は民主党のポストに対するリプライの大半を占めており、民主党は共和党のコンテンツに対するリプライの少数を占めている。
- 参考スコア（独自算出の注目度）: 3.40728577554761
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Political discourse on social media has grown increasingly toxic, with electoral periods amplifying partisan hostility and cross-group attacks. Yet it remains unclear whether toxicity in online political speech reflects how partisans communicate within their own circles, or how aggressively they engage with the opposition. Disentangling these dynamics is critical for understanding online political hostility and for designing effective content moderation. We examine this question at scale using a large collection of original posts and replies from X (formerly Twitter), collected during the 2024 U.S. presidential election. Using a human-validated large language model to classify the political alignment of posts and users, and the Perspective API for toxicity scoring, we uncover a striking asymmetry: Republican-leaning posts are significantly more toxic than Democratic-leaning posts, yet Democratic-leaning posts attract significantly more toxic replies. To interpret this finding, we compare the toxicity of same-party and cross-partisan replies. While cross-partisan replies are slightly but significantly more toxic than same-party replies, this is true for both Democratic and Republican posts. However, Republican users account for a large majority of replies to Democratic posts, while Democrats account for a minority of replies to Republican content. Therefore, the elevated toxicity directed at Democratic content is better explained by the volume of Republican cross-partisan replies.
- Abstract（参考訳）: ソーシャルメディアに関する政治談話はますます有害になり、選挙期間は党派的な敵意とグループ間の攻撃を増幅している。
しかし、オンラインの政治演説における毒性は、パルチザンが自身のサークル内でどのようにコミュニケーションしているか、あるいは野党と積極的に関係しているかを反映しているかどうかは不明だ。
これらのダイナミクスを分散させることは、オンラインの政治的敵意を理解し、効果的なコンテンツモデレーションを設計するために重要である。
我々は2024年アメリカ合衆国大統領選挙で収集されたX(元Twitter)からの大量のオリジナル投稿と返信を用いて、この質問を大規模に検討する。
人為的な大きな言語モデルを用いてポストとユーザーの政治的アライメントを分類し、毒性評価のためのパースペクティブAPIを用いて、目覚ましい非対称性を明らかにする。
この発見を解釈するために、同党と党間の回答の毒性を比較した。
党間のリプライは同党のリプライよりもわずかに多いが、民主党と共和党の両方のポストには当てはまる。
しかし、共和党のユーザーは民主党のポストに対する回答の大多数を占めており、民主党は共和党のコンテンツに対する返信の少数を占めている。
したがって、民主党コンテンツに向けられた毒性の上昇は、共和党の党間の反応の量によって説明される。
関連論文リスト
- Mapping Election Toxicity on Social Media across Issue, Ideology, and Psychosocial Dimensions [9.017731357825287]
われわれは2024年アメリカ合衆国大統領選挙におけるTwitterの言論を大規模に分析した。
我々は,ポストを10の主要なキャンペーン課題に分類し,ポストのイデオロギーを推定し,有害なコンテンツを検出し,有害なコンテンツの心理的要因を調べる。
論文 参考訳（メタデータ） (2026-04-18T01:13:36Z) - Identifying Constructive Conflict in Online Discussions through Controversial yet Toxicity Resilient Posts [41.130462443875736]
我々は、議論の的となり、挑戦的な対話と有害なレジリエンスを識別し、敬意を込めた会話を捉える。
また、政治的ポストはしばしば議論の余地があり、より有毒な反応を惹きつける傾向があることもわかりました。
これらの知見は、建設的な政治的議論を促進するためにポストのトーンをフレーミングする可能性を示唆している。
論文 参考訳（メタデータ） (2025-09-22T18:30:41Z) - Twits, Toxic Tweets, and Tribal Tendencies: Trends in Politically Polarized Posts on Twitter [5.161088104035108]
個人レベルでの毒性と,Twitter/X上でのトピックレベルに寄与するパーシスタンスと感情分極が果たす役割について検討する。
43,151人のTwitter/Xユーザーから8960万のツイートを収集した後、パーティショニングを含むいくつかのアカウントレベルの特徴が、ユーザーが有害コンテンツを投稿する頻度を予測するかを決定する。
論文 参考訳（メタデータ） (2023-07-19T17:24:47Z) - Collective moderation of hate, toxicity, and extremity in online
discussions [1.114199733551736]
われわれはTwitter上で4年間に13万件以上の議論を交わした大規模なコーパスを分析した。
我々は、後続のつぶやきにおけるヘイトスピーチの確率に関係している可能性のある、さまざまな談話の次元を識別する。
事実によって必ずしも支持されない単純な意見を表現することは、その後の議論において最も憎悪に関係している。
論文 参考訳（メタデータ） (2023-03-01T09:35:26Z) - Sub-Standards and Mal-Practices: Misinformation's Role in Insular, Polarized, and Toxic Interactions on Reddit [5.161088104035108]
信頼できないニュースサイトの記事に対するコメントは、右利きのサブレディットに掲載されることが多い。
サブレディットの毒性が高まるにつれて、ユーザーは既知の信頼できないウェブサイトからの投稿にコメントする傾向にある。
論文 参考訳（メタデータ） (2023-01-27T01:32:22Z) - 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) - 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) - Annotators with Attitudes: How Annotator Beliefs And Identities Bias
Toxic Language Detection [75.54119209776894]
本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。
我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。
以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
論文 参考訳（メタデータ） (2021-11-15T18:58:20Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Right and left, partisanship predicts (asymmetric) vulnerability to
misinformation [71.46564239895892]
我々は、Twitter上でのニュース共有行動を研究することにより、パルチザン、エコーチャンバー、およびオンライン誤情報に対する脆弱性の関係を分析する。
誤情報に対する脆弱性は、左派と右派の両方のユーザーの党派の影響を強く受けている。
論文 参考訳（メタデータ） (2020-10-04T01:36:14Z)
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。