💬 NLP

Moral Outrage Shapes Commitments Beyond Attention: Multimodal Moral Emotions on YouTube in Korea and the US

Questo studio utilizza un modello vision-language perfezionato per analizzare 400.000 video di notizie da YouTube provenienti dalla Corea e dagli Stati Uniti, rivelando che l'indignazione morale espressa attraverso una retorica di condanna altrui guida costantemente livelli più elevati di coinvolgimento del pubblico in tutti i livelli di impegno, dalla visione passiva al commento attivo, evidenziandone così l'efficacia e sollevando al contempo preoccupazioni circa il suo potenziale nel rafforzare la polarizzazione sociale.

Autori originali: Seongchan Park, Jaehong Kim, Hyeonseung Kim, Heejin Bin, Sue Moon, Wonjae Lee

Pubblicato 2026-02-02

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Seongchan Park, Jaehong Kim, Hyeonseung Kim, Heejin Bin, Sue Moon, Wonjae Lee

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate Internet, e nello specifico YouTube, come un enorme e rumoroso mercato. In questo mercato, la valuta più preziosa non è il denaro; è l'attenzione umana. I canali di notizie sono come venditori ambulanti che cercano di urlare più forte per spingere le persone a fermarsi, guardare e interagire con le loro merci.

Questo documento è uno studio condotto da ricercatori del KAIST in Corea del Sud che volevano capire: che tipo di "urla" riesce effettivamente a far sì che le persone non si limitino a guardare, ma anche a comprare (mettere like) e discutere (commentare)? Hanno esaminato video di notizie sia dagli Stati Uniti che dalla Corea del Sud per vedere se le regole del gioco siano le stesse in entrambi i luoghi.

Ecco la suddivisione dei loro risultati, utilizzando semplici analogie:

1. Il Kit di Attrezzi: Leggere tra le righe (e tra le immagini)

La maggior parte degli studi precedenti leggeva solo il testo (i titoli dei video), come leggere il titolo di un giornale senza guardare la foto. Ma su YouTube, l'immagine della miniatura (thumbnail) e il titolo lavorano insieme come il poster di un film e il suo slogan.

Il Problema: Gli esseri umani sono bravissimi a vedere l'immagine di una folla inferocita e leggere un titolo sulla "corruzione", provando istantaneamente un senso di indignazione morale. I computer, di solito, faticano a collegare i punti tra l'immagine e il testo.
La Soluzione: I ricercatori hanno costruito un "detective digitale" speciale (un modello di IA). Lo hanno istruito mostrandogli migliaoli di esempi di miniature e titoli di YouTube, etichettandoli con l'aiuto umano. Hanno insegnato all'IA a individuare le emozioni morali — specificamente, i sentimenti relativi al giusto e allo sbagliato.
Il Risultato: Hanno creato uno strumento in grado di guardare la copertina e il titolo di un video e dire: "Questo è pieno di indignazione morale", "Questo riguarda la sofferenza" o "Questo è neutro". Hanno testato questo strumento su quasi 400.000 video.

2. I Tre Livelli di Coinvolgimento

I ricercatori hanno osservato tre modi in cui le persone interagiscono con un video, che hanno confrontato con livelli di impegno:

Visualizzazioni: Solo passare davanti al banco del venditore e dargli un'occhiata (Passivo).
Like: Fermarsi per dare un pollice in su o un cenno di assenso (Impegno moderato).
Commenti: Fermarsi per iniziare una conversazione o un litigio (Impegno elevato).

3. La Grande Scoperta: Il "Motore dell'Indignazione"

Lo studio ha trovato un modello molto chiaro che era vero sia in Corea che negli Stati Uniti.

Il Carburante dell' "Indignazione": Quando un video utilizzava una retorica di condanna dell'altro (linguaggio che rimprovera, vergogna o si arrabbia per il cattivo comportamento di qualcun altro), era come versare benzina sul fuoco.
- Otteneva più visualizzazioni.
- Otteneva ancora più like.
- Otteneva il maggior numero di commenti.
- L'Analogia: Immaginate un venditore che urla: "Guardate quel ladro là! È terribile!". Le persone non si limitano a guardare; si fermano, indicano e iniziano a litigare tra loro riguardo al ladro. La rabbia spinge le persone a voler fare qualcosa, non solo a guardare.
L'Effetto "Lode" e "Tristezza":
- I video che lodavano le persone (es. "Guarda questo eroe!") o si concentravano sulla sofferenza (es. "Guarda questa povera vittima") generalmente non ottenevano gli stessi alti livelli di coinvolgimento. In molti casi, infatti, ottenevano persino meno commenti e like rispetto ai video neutri.
- L'Analogia: Un venditore che dice: "Guardate questo bravo ragazzo", potrebbe ottenere un cenno di approvazione educato, ma raramente spinge le persone a urlare o litigare. È troppo calmo per scatenare una frenesia.

4. La Connessione Transculturale

I ricercatori sono rimasti sorpresi nel trovare che questo "Motore dell' Indignazione" funzionava esattamente allo stesso modo sia in Corea del Sud che negli Stati Uniti. Nonostante le culture, le lingue e le storie di attualità fossero diverse, la reazione umana all'indignazione morale era identica. Che si trattasse di uno scandalo politico a Seoul o di un processo a Washington, la rabbia rendeva le persone più coinvolte.

5. L'Etichetta di Avvertenza

Il documento si conclude con una nota di cautela. Sebbene l'indignazione morale sia uno strumento molto efficace per ottenere attenzione e coinvolgimento, comporta un rischio.

Il Pericolo: Poiché l'indignazione spinge le persone a formare gruppi "noi contro loro" (i "buoni" contro i "cattivi"), può approfondire le divisioni nella società. Se le testate giornalistiche si rendono conto che "urlare contro i cattivi" garantisce loro il maggior numero di visualizzazioni e commenti, potrebbero essere tentate di usare un linguaggio più arrabbiato e divisivo solo per rimanere popolari.
La Conclusione: Lo studio non dice che questo accadrà necessariamente, ma avverte che l' "economia dell'attenzione" premia naturalmente le voci più rumorose e arrabbiate, trasformando potenzialmente il mercato in un campo di battaglia.

Riassunto

In breve, questo studio ha costruito uno strumento intelligente per leggere i video di YouTube e ha scoperto che l'ira verso gli altri è il magnete più potente per l'attenzione umana. Essa spinge le persone a guardare, mettere like e discutere più di ogni altra emozione, e questa regola si applica sia che vi troviate in Corea o negli Stati Uniti. I ricercatori avvertono che, sebbene questo sia ottimo per ottenere visualizzazioni, potrebbe essere dannoso per mantenere unita la società.

Sintesi Tecnica: L'indignazione morale modella gli impegni oltre l'attenzione

Problematica
Nell'economia dell'attenzione, le piattaforme di social media danno priorità ai contenuti che generano un alto coinvolgimento degli utenti. Sebbene ricerche precedenti stabiliscano che i contenuti morali-emotivi guidino la partecipazione e la polarizzazione, rimangono lacune significative nella comprensione di queste dinamiche. Gli studi esistenti si basano prevalentemente su analisi unimodali basate sul testo, fallendo nel catturare la natura intrinsecamente multimodale di piattaforme come YouTube, dove le immagini delle miniature e i titoli influenzano congiuntamente la percezione. Inoltre, la maggior parte della ricerca è concentrata su contesti occidentali, lasciando incerta la generalizzabilità transculturale dell'espressione e del coinvolgimento morali-emotivi. Questo studio affronta tali lacune esaminando come il framing morale-emotivo multimodale dei canali di notizie mainstream influenzi il comportamento degli utenti in Corea del Sud e negli Stati Uniti.

Metodologia
La ricerca impiega un framework di scienza sociale computazionale che prevede la raccolta dei dati, la modellazione multimodale e l'analisi di regressione.

Raccolta dei Dati: Gli autori hanno costruito un dataset composto da circa 400.000 video di YouTube (292.136 dalla Corea e 105.761 dagli USA) caricati tra gennaio e dicembre 2024. Il dataset include 7 canali di notizie coreani e 16 statunitensi, selezionati per diversità politica. Per ogni video, il dataset cattura immagini delle miniature, testo del titolo e metadati di engagement (visualizzazioni, like, commenti), con metadati recuperati durante una finestra fissa di otto giorni per garantire la comparabilità.
Annotazione Umana: Per addestrare i modelli, è stato creato un dataset "gold-standard" attraverso una strategia di campionamento multistadio. Parlanti nativi hanno annotato 1.276 coppie titolo-miniatura coreane e 900 inglesi in sei categorie: other-condemning (indignazione morale), other-praising (lode altrui), other-suffering (sofferenza altrui), self-conscious (autoconsapevolezza), neutral (neutro) e non-moral emotion (emozione non morale). L'accordo tra annotatori è stato misurato utilizzando i coefficienti kappa di Cohen, Fleiss e Krippendorff, ottenendo un accordo maggiore per i dati coreani (media $\kappa \approx 0,75$ ) rispetto ai dati inglesi (media $\kappa \approx 0,53$ ).
Modellazione Multimodale: Lo studio ha sviluppato classificatori binari per ciascuna delle sei categorie di emozioni morali utilizzando Modelli Linguistici Multimodali Grandi (MLLM). Gli autori hanno valutato sia modelli a codice chiuso (Gemini-2.5-Flash-Lite) che a codice aperto (Qwen2-VL-7B-Instruct) in configurazioni zero-shot, few-shot e di fine-tuning. Il modello fine-tuned Qwen2-VL-7B-Instruct ha ottenuto le prestazioni migliori, in particolare per il dataset coreano (Accuratezza Media: 0,8981, Macro F1: 0,8010). Lo studio ha validato che l'integrazione di segnali visivi ha superato significativamente le basi basate solo sul testo.
Analisi di Regressione: Le probabilità predette delle emozioni morali sono state utilizzate come variabili indipendenti in modelli di regressione binomiale negativa per predire tre variabili dipendenti che rappresentano livelli crescenti di impegno: visualizzazioni, like e commenti. I modelli controllano la durata del video, il baseline del canale, il mese e il giorno della settimana.

Risultati Chiave
L'analisi rivela un modello cross-culturale coerente riguardo l'impatto delle emozioni morali sul coinvolgimento:

Retorica Other-Condemning: Le espressioni di indignazione morale (criticare la moralità altrui) hanno aumentato costantemente tutte le forme di engagement sia in entrambi i paesi. Crucialmente, la dimensione dell'effetto si è rafforzata all'aumentare del livello di impegno. Negli USA, la retorica other-condemning è stata associata a un aumento del 94% nelle visualizzazioni, del 128% nei like e del 204% nei commenti (Incidence Rate Ratios: 1,94, 2,28, 3,04). Tendenze simili, sebbene leggermente meno pronunciate, sono state osservate in Corea.
Altre Emozioni: La retorica other-praising ha generalmente soppresso l'engagement, riducendo visualizzazioni e commenti. La categoria other-suffering ha mostrato risultati misti, aumentando le visualizzazioni in Corea ma diminuendo like e commenti; negli USA, ha mostrato associazioni costantemente negative in tutte le metriche. I contenuti neutral hanno generalmente ridotto l'engagement, pur aumentando le visualizzazioni negli USA e riducendo like e commenti.
Gradiente di Impegno: Lo studio conferma che l'indignazione morale è unica nella sua capacità di guidare non solo l'attenzione passiva (visualizzazioni), ma anche la partecipazione attiva (like e commenti), con l'impatto più forte osservato sul comportamento di commento.

Contributi Chiave

Innovazione Metodologica: Gli autori hanno sviluppato e rilasciato pubblicamente i primi classificatori di emozioni morali multimodali per contesti sia coreani che inglesi. Questi modelli sfruttano MLLM fine-tuned per elaborare congiuntamente immagini delle miniature e titoli, dimostrando che l'integrazione visivo-testuale è essenziale per un rilevamento accurato delle emozioni morali nei media digitali.
Evidenza Empirica Cross-Culturale: Lo studio fornisce prove robuste che le dinamiche di engagement morale-emotivo si generalizzano attraverso diversi contesti culturali (Corea e USA). Identifica la retorica other-condemning come un driver universale per l'engagement ad alto impegno.
Approfondimento Teorico: Mappando le emozioni morali su specifici livelli di engagement, la ricerca affina la comprensione dell'economia dell'attenzione, mostrando come l'indignazione morale funzioni come un potente motivatore per la partecipazione attiva, non solo per il consumo passivo.

Significatività e Rivendicazioni
Il paper sostiene che l'indignazione morale sia una strategia emotiva particolarmente efficace per i media, capace di garantire sia l'attenzione che la partecipazione attiva. Tuttavia, gli autori avvertono che questa efficacia comporta rischi sociali significativi. Poiché la retorica other-condemning divide intrinsecamente il pubblico in in-group e out-group, la sua amplificazione tramite algoritmi di engagement può approfondire la polarizzazione politica. Gli autori suggeriscono che attori malevoli e reti di disinformazione potrebbero sfruttare questo meccanismo per diffondere narrazioni false o polarizzanti.

Lo studio conclude che, sebbene le emozioni morali siano fondamentali per la coordinazione sociale, il meccanismo specifico dell'indignazione morale nell'economia dell'attenzione digitale richiede un monitoraggio attento. Gli autori propongono che i lavori futuri debbano investigare come le piattaforme possano mitigare l'eccessiva indignazione senza compromettere la responsabilità e come integrare queste capacità di rilevamento nei framework per l'identificazione di troll e disinformazione. Il paper mantiene una posizione modesta, riconoscendo che, essendo uno studio osservazionale, identifica correlazioni piuttosto che causalità, e nota limitazioni nell'affidabilità dell'annotazione per i dati inglesi e potenziali bias nei modelli pre-addestrati.