Twitter对话结构揭示毒性：个体、互动与群体层面的关联

在"Twitter对话结构与毒性关系研究"中，作者马丁·萨韦斯基、布兰登·罗伊和黛布·罗伊深入探讨了社交媒体平台Twitter上的对话特征与其潜在毒性之间的关联。这项研究基于大规模数据集，包括118万个对话（涉及5850万条推文和440万用户），这些对话围绕一年内的主要新闻事件和2018年美国中期选举候选人展开。 在个人层面的研究发现，毒性言论往往分散在众多用户中，表现为低至中度的毒性行为。而在二元层次上，有毒回复的趋势更明显，这类回复通常来自那些与发帖者无社会联系或者与发帖者有很多共同好友的用户。这种结构揭示了毒性可能在缺乏连贯性和社交支持的互动中更容易滋生。 在群组级别的分析中，有毒对话展现出更广泛的参与度，体现在更大的回复树和较深的信息流，但后续的回应往往较为稀疏。研究者设计了两个预测任务来验证对话结构对毒性的影响：一是预测对话在前十个回复中是否会变为有毒，二是预测特定用户发布的下一个回复是否具有毒性。结果显示，对话的结构特征与语言特性在预测有毒行为时互为补充，这为设计更加健康的社交媒体平台提供了洞察。 通过在WWW'21网络会议上发表的论文，该研究强调了对话结构在识别和预防社交媒体毒性方面的潜力，暗示着利用这些结构特征的模型可以早期预警并引导对话走向更少有毒性的方向。这一研究为社交媒体平台的监管策略和用户互动设计提供了实证依据，提醒我们在享受社交互动的同时，也要关注和管理其中的负面行为。