Cultural Targets, Structural Frames, Binding Morals: A Cross-Lingual Audit of Online Hate in Multicultural Singapore
Diese Untersuchung eines singapurischen Social-Media-Korpus aus dem Jahr 2025 zeigt, dass sich zwar die spezifischen Hassziele über die englisch-, chinesisch- und malaiischsprachigen Gemeinschaften hinweg unterscheiden, die zugrunde liegenden moralischen Rahmenbedingungen und Bedrohmuster des Online-Hasses jedoch bemerkenswert konsistent bleiben, was darauf hindeutet, dass sprachenübergreifende Moderationsstrategien gemeinsame moralische und emotionale Muster gegenüber kulturspezifischen Zielen priorisieren sollten.
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
Das große Ganze: Ein dreischichtiger Kuchen des Hasses
Stellen Sie sich Singapur wie ein riesiges, multikulturelles Potluck-Dinner vor. Die Leute sitzen an drei verschiedenen Tischen und sprechen Englisch, Chinesisch und Malaiisch. Sie sprechen alle über dieselbe Gruppe von „Außenseitern“ (wie etwa Einwanderer, verschiedene religiöse Gruppen oder Menschen aus dem chinesischen Festland), aber sie tun dies in ihren jeweiligen Sprachen.
Die Forscher wollten wissen: Ist der Hass an diesen drei Tischen völlig unterschiedlich oder gibt es ein verborgenes Muster?
Sie fanden heraus, dass Online-Hass wie ein dreischichtiger Kuchen ist. Die Schichten verändern sich, während man von oben nach unten geht:
- Die obere Schicht (Das „Wer“): Diese ist kulturell spezifisch. Es ist wie das Menü. Am englischen Tisch wird sich hauptsächlich über Muslime und LGBTQ+-Gruppen beschwert. Der chinesische Tisch konzentriert sich auf die Spannungen zwischen Einheimischen aus China und Menschen aus dem chinesischen Festland. Der malaiische Tisch konzentriert sich auf Religion und LGBTQ+-Themen. Was die Menschen hassen, hängt ganz davon ab, an welchem Sprachtisch sie sitzen.
- Die mittlere Schicht (Das „Wie“): Diese ist gemeinsam. Dies ist das Rezept für die Beschwerde. Unabhängig von der Sprache: Wenn jemand einen Migranten hasst, rahmt er dies als „wirtschaftliche Bedrohung“ (Arbeitsplätze stehlen) ein. Wenn jemand eine religiöse Gruppe hasst, rahmt er es als „religiöse Bedrohung“ ein. Die Art und Weise, wie angegriffen wird, ist über alle drei Sprachen hinweg überraschend ähnlich.
- Die untere Schicht (Das „Warum“): Diese ist universell. Dies ist das moralische Fundament. Die Forscher fanden heraus, dass Hass meistens nicht mit „Fairness“ zu tun hat (wie „das ist unfair“). Stattdessen geht es fast immer um Reinheit (Heiligkeit) und Loyalität (Verrat). Es ist das Gefühl: „Du bist unrein“ oder „Du gehörst nicht zu uns“. Diese moralische Grammatik ist in Englisch, Chinesisch und Malaiisch nahezu identisch.
Die wichtigste Erkenntnis: Das Ziel des Hasses ist lokal und spezifisch, aber die Grammatik (die Struktur und die moralische Begründung) des Hasses ist eine gemeinsame Sprache, die alle sprechen, unabhängig von den Wörtern, die sie verwenden.
Das „Verstärker“-Problem: Was gehört wird vs. was gesagt wird
Die Studie untersuchte auch, was passiert, nachdem jemand einen hasserfüllten Kommentar gepostet hat. Ignorieren die Leute ihn einfach oder verstärken sie ihn (indem sie ihn z. B. teilen oder darauf antworten)?
Stellen Sie sich das Internet wie eine riesige Soundanlage vor.
- Produktion: Dies ist, wie viele Menschen etwas sagen.
- Resonanz: Dies ist, wie laut die Soundanlage es wieder abspielt.
Die Forscher fanden eine seltsame Diskrepanz heraus:
- Die Soundanlage ist „nativistisch“: Obwohl Menschen Hass gegen viele verschiedene Gruppen äußern, dreht die „Soundanlage“ (der Algorithmus und das menschliche Engagement) die Lautstärke vor allem für den Hass gegen Einwanderer auf.
- Die Stille: Hass gegen religiöse Gruppen oder LGBTQ+-Personen wird zwar gepostet, aber er wird nicht so stark verstärkt. Es ist, als würde jemand in ein Mikrofon schreien, dessen Lautstärke heruntergedreht ist.
- Das Ergebnis: Was eine Gemeinschaft produziert, ist nicht dasselbe wie das, was eine Gemeinschaft verstärkt. Das Publikum hebt selektiv Beschwerden über Einwanderer hervor, während es andere Arten von Hass im Hintergrund verblassen lässt.
Das „Maßband“-Problem: Warum wir keine exakten Zahlen zählen können
Einer der wichtigsten technischen Befunde betrifft die Messung.
Stellen Sie sich vor, Sie versuchen zu zählen, wie viele „rote“ Äpfel in einem Korb sind, indem Sie acht verschiedene farbenblinde Roboter benutzen.
- Die Forscher baten acht verschiedene KI-Modelle, „Hass“ zu zählen.
- Das Ergebnis: Die Roboter konnten sich nicht einigen. Ein Roboter bezeichnet einen Kommentar vielleicht als Hass, ein anderer sieht darin nur eine starke Meinung. Selbst die besten Roboter waren sich in den schwierigsten Fällen nur zu etwa 42 % einig.
- Die Lektion: Da das „Maßband“ (die KI) wackelig ist, sagt die Arbeit, dass wir der exakten Anzahl von Hasskommentaren (z. B. „Es gibt genau 5.000 Hasskommentare“) nicht trauen können.
- Die Lösung: Anstatt die Gesamtmenge zu zählen, konzentrierten sich die Forscher auf die Struktur. Sie untersuchten die Muster (z. B. „Hass gegen Gruppe A wird immer als wirtschaftliche Bedrohung gerahmt“). Diese Muster waren klar und beständig, selbst wenn die genauen Zählungen ungenau waren.
Der „Ereignis“-Test: Steigt der Hass während großer Nachrichtenereignisse an?
Schließlich prüften die Forscher, ob der Hass während großer Ereignisse im Jahr 2025 in Singapur – wie Wahlen, Verhaftungen oder religiösen Spannungen – explodierte.
- Die Erwartung: Man könnte denken, dass bei einer großen Nachrichtensequenz der Hass wie eine Welle ansteigen würde.
- Die Realität: Das Volumen des Hasses war eine stetige, flache Linie. Er stieg weder während Wahlen noch während Verhaftungen signifikant an.
- Die Analogie: Es ist wie ein Fluss, der mit konstanter Geschwindigkeit fließt. Ein großer Stein (ein Nachrichtenereignis), der hineingeworfen wird, mag zwar ein Spritzen verursachen, aber er verändert nicht die Geschwindigkeit des Flusses. Der Hass ist ein ständiges Hintergrundrauschen und keine Reaktion auf spezifische Nachrichtenzyklen.
Zusammenfassung der wichtigsten Ergebnisse
- Ziele sind lokal, aber die „Grammatik“ des Hasses ist global. (Wen sie hassen, ändert sich je nach Sprache; wie und warum sie hassen, bleibt gleich).
- Hass wird durch „Reinheit“ und „Loyalität“ angetrieben, nicht durch Fairness.
- Das Publikum ist selektiv. Es verstärkt den Hass gegen Einwanderer, ignoriert aber den Hass gegen andere Gruppen.
- Wir können Hass nicht perfekt zählen. KI-Werkzeuge sind zu uneinig, um eine exakte Zahl zu liefern, daher müssen wir uns auf die Muster des Hasses konzentrieren.
- Hass ist beständig, nicht reaktiv. Er steigt nicht einfach deshalb an, weil es große Nachrichtenereignisse gibt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.