Hadefulde ytringer på Twitter forudsiger hyppigheden af ​​virkelige hadforbrydelser

Ifølge en første af sin slags undersøgelse, byer med en højere forekomst af en bestemt slags racistiske tweets rapporterede om flere faktiske hadforbrydelser relateret til race, etnicitet, og national oprindelse.

Et forskerhold fra New York University analyserede placeringen og de sproglige egenskaber af 532 millioner tweets offentliggjort mellem 2011 og 2016. De trænede en maskinlæringsmodel – en form for kunstig intelligens – til at identificere og analysere to typer tweets:dem, der er målrettet mod – direkte fortaler for diskriminerende synspunkter - og dem, der er selvfortællende - der beskriver eller kommenterer diskriminerende bemærkninger eller handlinger. Holdet sammenlignede udbredelsen af ​​hver type diskriminerende tweet med antallet af faktiske hadforbrydelser rapporteret i den samme periode i de samme byer.

Forskningen blev ledet af Rumi Chunara, en assisterende professor i datalogi og teknik ved NYU Tandon School of Engineering og biostatistics ved NYU College of Global Public Health, og Stephanie Cook, en assisterende professor i biostatistik og samfunds- og adfærdsvidenskab ved NYU College of Global Public Health.

"Vi fandt ud af, at mere målrettet, diskriminerende tweets udsendt i en by relateret til et højere antal hadforbrydelser, " sagde Chunara. "Denne tendens på tværs af forskellige typer byer (f.eks. by, landdistrikterne, stor, og lille) bekræfter behovet for mere specifikt at undersøge, hvordan forskellige typer diskriminerende tale online kan bidrage til konsekvenser i den fysiske verden."

Analysen omfattede byer med en bred vifte af urbanisering, varierende grader af befolkningsdiversitet, og forskellige niveauer af brug af sociale medier. Holdet begrænsede datasættet til tweets og bias forbrydelser, der beskriver eller motiverede af race, etnisk eller national oprindelsesbaseret diskrimination. Hadforbrydelser kategoriseres og spores af Federal Bureau of Investigation, og forbrydelser motiveret af race, etnicitet, eller national oprindelse repræsenterer den største andel af hadforbrydelser i nationen. Statistik for seksuel orienteringsforbrydelser var ikke tilgængelig i alle byer, selvom forskerne tidligere har studeret denne form for bias.

Gruppen identificerede også et sæt diskriminerende termer og sætninger, der er almindeligt brugt på sociale medier i hele landet, samt termer, der er specifikke for en bestemt by eller region. Disse indsigter kan vise sig nyttige til at identificere grupper, der kan være mere sandsynlige mål for racemæssigt motiverede forbrydelser og former for diskrimination forskellige steder. Mens de fleste tweets inkluderet i denne analyse blev genereret af faktiske Twitter-brugere, holdet fandt, at gennemsnitligt 8 % af tweets, der indeholdt målrettet diskriminerende sprog, blev genereret af bots.

Der var en negativ sammenhæng mellem andelen af ​​race/etnicitet/national-oprindelse-baserede diskriminations-tweets, der var selvfortællinger om oplevelser og antallet af forbrydelser baseret på de samme skævheder i byer. Chunara bemærkede, at selvom oplevelser med diskrimination i den virkelige verden er kendte psykologiske stressfaktorer med sundhedsmæssige og sociale konsekvenser, implikationerne af online eksponering for forskellige typer online diskrimination – selvfortællinger versus målrettede, for eksempel - brug for yderligere undersøgelse.

Disse resultater repræsenterer et af de største, mest omfattende analyser af diskriminerende indlæg på sociale medier og bias-forbrydelser i det virkelige liv i dette land, selvom forskerne understreger, at de specifikke årsagsmekanismer mellem sociale mediers hadefulde ytringer og virkelige voldshandlinger skal undersøges.