"F*** You Biden": Cross-Partisan Electoral Toxicity on X
Die Analyse von X-Daten aus der US-Wahl 2024 zeigt, dass zwar republikanisch ausgerichtete Beiträge inhärent toxischer sind, demokratisch ausgerichtete Beiträge jedoch deutlich mehr toxische Antworten erhalten, und zwar vor allem deshalb, weil sie ein weitaus größeres Volumen an überparteilicher Interaktion von republikanischen Nutzern anziehen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich das Internet als einen riesigen, chaotischen Marktplatz vor, auf dem zwei rivalisierende Sportmannschaften – das „Rote Team" und das „Blaue Team" – sich während eines großen Meisterschaftsspiels (der US-Wahl 2024) ständig gegenseitig anbrüllen.
Dieser Artikel ist wie ein Schiedsrichter, der mit einem High-Tech-Mikrofon eingegriffen hat, um genau zu hören, was die Leute sagen und wie gemein sie sind. Hier ist die einfache Geschichte dessen, was sie herausfanden:
Die große Überraschung: Welches Team ist „gemeiner"?
Man könnte erwarten, dass das Team, das die Schreikämpfe beginnt, auch das Team ist, das am meisten angeschrien wird. Doch die Daten zeigten eine seltsame Wendung:
- Das Rote Team (republican-nah) beginnt die Kämpfe. Wenn sie ihre eigenen Nachrichten posten, verwenden sie mehr Beleidigungen, Fluchwörter und aggressive Sprache als das Blaue Team. Sie sind es, die den ersten Schlag führen.
- Das Blaue Team (demokrat-nah) wird am härtesten getroffen. Obwohl sie beim Sprechen leiser sind, ziehen ihre Beiträge einen massiven Sturm wütender Antworten auf sich. Die Nachrichten, die auf sie antworten, sind viel toxischer als die Nachrichten, die auf das Rote Team antworten.
Die Analogie: Stellen Sie sich vor, das Rote Team ist eine Gruppe von Leuten, die es lieben, Wasserbomben auf jeden zu werfen, den sie sehen. Sie werfen viele Bomben (hohe Toxizität in ihren eigenen Beiträgen). Das Blaue Team hingegen ist wie eine Gruppe von Leuten, die stillstehen und Schilder hochhalten. Obwohl sie nichts werfen, wirft das Rote Team so viele Wasserbomben auf sie, dass das Blaue Team durchnässt wird. Das Blaue Team wirft nicht mehr Bomben; es wird einfach von einer Flut davon getroffen.
Warum wird das Blaue Team durchnässt?
Die Forscher blickten tiefer, um zu sehen, wer das Werfen übernimmt. Sie fanden zwei Hauptgründe:
- Angriffe zwischen den Teams sind gemeiner: Wenn jemand vom Roten Team auf einen Beitrag des Blauen Teams antwortet, ist er etwas gemeiner, als wenn er auf einen anderen Beitrag des Roten Teams antwortet. Das Gleiche gilt für das Blaue Team, das auf das Rote Team antwortet. Grundsätzlich macht das Sprechen mit dem „Feind" die Leute wütender als das Sprechen mit einem Freund.
- Der Unterschied im Volumen: Dies ist der wichtigste Teil. Das Rote Team greift das Blaue Team viel aktiver an als umgekehrt.
- Auf jeden Beitrag des Blauen Teams gibt es grob 3 Antworten des Roten Teams für jede 1 Antwort des Blauen Teams auf einen Beitrag des Roten Teams.
- Es ist wie eine kleine Gruppe von Fans des Blauen Teams, die versuchen, gegen ein Stadion voller Fans des Roten Teams anzuschreien. Die schiere Anzahl der Fans des Roten Teams, die das Blaue Team anschreien, ist es, was die Erfahrung des Blauen Teams so toxisch macht.
Der Faktor „F*** You Biden"
Der Titel des Artikels stammt von der häufigsten Phrase in den toxischsten Antworten. Er verdeutlicht, dass die Feindseligkeit oft gegen bestimmte Führer gerichtet ist, das Muster jedoch für die gesamte Gruppe gilt. Der Artikel zeigt, dass es bei der Toxizität nicht nur darum geht, was die Leute sagen, sondern wer es sagt und wie viele von ihnen es sagen.
Wie haben sie das herausgefunden?
Die Forscher haben nicht Millionen von Tweets von Hand gelesen (das würde ewig dauern!). Stattdessen nutzten sie:
- KI-Klassifizierer: Intelligente Computerprogramme (wie eine superschnelle Bibliothekarin), die die Beiträge lasen und entschieden: „Diese Person klingt wie ein Fan des Roten Teams" oder „Das klingt wie ein Fan des Blauen Teams". Sie prüften diese Roboter gegen menschliche Richter, um sicherzustellen, dass sie richtig lagen.
- Toxizitätsbewertung: Ein weiteres Werkzeug, das jedem Beitrag einen „Gemeinheits-Score" von 0 bis 1 vergab.
- Mathematik: Sie verwendeten Statistiken, um zu beweisen, dass diese Unterschiede nicht nur zufälliges Glück waren, sondern echte Muster.
Das Fazit
Der Artikel kommt zu dem Schluss, dass online-politische Wut ein bisschen wie ein einseitiger Straßenkampf ist. Eine Seite (Rot) ist in ihrer allgemeinen Sprechweise aggressiver, aber die andere Seite (Blau) leidet mehr, weil sie das primäre Ziel dieser Aggression ist. Die „Toxizität", die die Leute auf den Beiträgen des Blauen Teams sehen, liegt nicht daran, dass das Blaue Team gemeiner ist; es liegt daran, dass das Rote Team in so riesigen Zahlen auftaucht, um sie anzugreifen.
Was der Artikel NICHT sagt:
- Er sagt nicht, dass dies auf anderen Social-Media-Apps (wie Facebook oder TikTok) passiert.
- Er sagt nicht, dass dies bei der nächsten Wahl oder in anderen Ländern passieren wird.
- Er schlägt keine spezifische Art vor, das Problem zu lösen (wie das Verbot von Nutzern), sondern nur, dass wir das „Volumen" der Angriffe verstehen müssen, um die Toxizität zu verstehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.