論文要約：「The Power of Social Norms: How Initial Responses to Toxicity Shape Conversations on Twitter」

（社会的規範の力：Twitter 上の会話における毒性への初期反応がどのように会話を形成するか）

この論文は、オンラインハラスメントや暴力的な言語が社会メディアで増大する中、集団ダイナミクス（群衆心理）が Twitter 上の会話の毒性をどのように形成・増幅するかを調査した研究です。特に、「傍観者効果（Bystander Effect）」と「社会的規範（Social Norms）」の理論的枠組みを用いて、最初の毒性のある投稿に対する初期の反応が、その後の会話のトーンを決定づけるメカニズムを分析しています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

---

1. 問題定義 (Problem)

ソーシャルメディア、特に Twitter（現 X）では、差別的・攻撃的・無礼な内容（毒性）が蔓延しています。既存の研究では、ユーザーが毒性のある会話にどのように反応するか（攻撃を続けるか、対抗するか、無視するか）が注目されてきましたが、以下の点について未解明な部分がありました。

• 傍観者効果のオンラインへの適用: 物理的な場における「傍観者効果（他者がいるほど、個人が介入する責任感が希薄になる現象）」が、オンラインの毒性のある会話においてどのように作用するか。
• 規範の形成: 最初の毒性のある投稿に対する「最初の返信」が、その後の会話全体の規範（何が許容されるか）をどのように確立し、その後のユーザーの行動（毒性の増大または抑制）を誘発するか。

2. 手法 (Methodology)

データ収集と前処理

• データセット: 2021 年 8 月〜9 月と 2023 年 3 月〜4 月の 2 期間から収集された、ランダムサンプリングされた公開英語ツイートを使用。
• 規模: 最終的に 9,107 の会話スレッド（約 187,658 件のツイート、118,609 人のユニークユーザー）を分析対象とした。
• 選別基準:
  • 最初の毒性のある返信（Toxic Reply）を含む会話のみを対象。
  • ルート投稿（最初のツイート）自体が毒性のある場合は除外（傍観者効果の測定を歪めるため）。
  • 画像やリンクだけのツイートは除外（テキストベースの毒性検出のため）。
  • 最初の毒性投稿から 48 時間以内の返信のみを収集し、時間的バイアスを排除。

毒性検出

• ツール: Google の Perspective API を使用。
• 閾値: 毒性スコアが 0.7 以上 のツイートを「毒性あり」と判定（より厳格な閾値を設定し、誤検知を減らすため）。

変数の定義

• 独立変数:
  1. users before toxic: 最初の毒性投稿が発生するまでに会話に参加していたユニークユーザー数（傍観者の代理変数）。
  2. reply toxicity: 最初の毒性投稿に対する最初の直接返信の毒性スコア。
• 従属変数:
  1. unique users non toxic: 最初の毒性投稿の後、非毒性の返信をしたユニークユーザー数。
  2. remaining toxicity: 最初の毒性投稿以降の会話スレッド全体における、毒性のある返信の割合。
• 統制変数: アカウントの属性（フォロワー数、友達数、投稿数、アカウント年齢、認証済みかどうか、プロフィール情報など）、会話の構造（深さ、幅）、トピック分類（19 種類のカテゴリ）。

分析手法

• 統計モデル:
  • H1, H2 の検証（カウントデータ）：ポアソン回帰モデル（Negative Binomial 回帰でも結果が一致）。
  • H3 の検証（連続変数）：線形回帰モデル（OLS）。
• 質的分析: 200 のスレッドを抽出し、人間のアノテーターが「対立を解決しようとするポジティブな介入（Standing up）」と「ネガティブな対抗」をラベル付けし、その頻度を調査（コホエンの kappa 係数で評価）。

3. 仮説 (Hypotheses)

• H1: 最初の毒性投稿前の参加者数が多いほど、その後の非毒性返信をするユーザー数は減少する（傍観者効果の仮説）。
• H2: 最初の毒性投稿に対する最初の返信が非毒性であれば、その後の非毒性返信をするユーザー数は増加する。
• H3: 最初の毒性投稿に対する最初の返信が毒性であれば、その後の会話全体の毒性レベルは高くなる（規範の確立）。

4. 結果 (Results)

定量的分析結果

1. H1 の支持（傍観者効果）:

   • 最初の毒性投稿前の参加者数（users before toxic）と、その後の非毒性返信をするユーザー数（unique users non toxic）の間には、統計的に有意な負の相関が見られた（p < 0.001）。
   • 解釈: 多くのユーザーが傍観している状況では、個人が毒性に対して非毒性の反応（介入）をする可能性が低下する。
   • 補足: 認証済みアカウント（Verified）の投稿者には、非毒性の反応が少なくなる傾向があった。

2. H2 の支持（初期反応の影響）:

   • 最初の毒性投稿に対する最初の返信の毒性スコア（reply toxicity）が高いほど、その後の非毒性返信をするユーザー数は減少する（負の相関、p < 0.001）。
   • 解釈: 最初の反応が攻撃的であれば、他のユーザーも攻撃的になる傾向がある。

3. H3 の支持（規範の確立）:

   • 最初の毒性投稿に対する最初の返信が毒性であれば、その後の会話スレッド全体の毒性レベル（remaining toxicity）は有意に高くなる（正の相関、p < 0.001）。
   • 解釈: 最初の返信が毒性であれば、それが「許容される行動規範」として機能し、会話全体がさらに毒性化する。

定性的分析結果

• ポジティブな介入の希少性: 分析対象となった 61 のスレッド（人間攻撃を目的とした毒性投稿を含む）において、対立を解決しようとする「ポジティブな介入（非毒性の反論、擁護など）」は、1,440 件の返信のうちわずか 20 件（19.7% のスレッドのみ） しか見られなかった。
• 結論: ユーザーは衝突を解決しようとするよりも、無視するか、あるいは毒性に同調する傾向が強い。

5. 主要な貢献 (Key Contributions)

1. オンラインにおける傍観者効果の実証: 物理的な場だけでなく、オンラインの毒性のある会話においても、参加者数が増えるほど個人の介入意欲が低下することを統計的に実証した。
2. 初期反応の決定的な役割: 最初の毒性投稿に対する「最初の返信」の性質（毒性か否か）が、その後の会話全体のトーンを決定づける「社会的規範の形成」として機能することを示した。
3. 介入の希少性の可視化: 質的分析を通じて、ユーザーが対立を解決しようとするポジティブな介入が極めて稀であることを明らかにし、オンラインコミュニティの現状を浮き彫りにした。

6. 意義と示唆 (Significance)

• 社会的規範の理解: オンラインでの人間の行動は、内部的な道徳観だけでなく、他者の行動（社会的規範）によって強く規定されていることを示している。
• 介入戦略への示唆:
  • 早期介入の重要性: 最初の毒性投稿に対する最初の反応がその後の会話の行方を決定づけるため、プラットフォーム側やコミュニティリーダーが、最初の段階で非毒性の反応を促すことが極めて重要である。
  • 傍観者効果の打破: 多くのユーザーがいる状況では、責任の分散が起きるため、特定のユーザーに「介入を促す」ようなデザインや通知システムの開発が必要である。
• 将来の研究: 技術的なデザイン（例：バイスタンダーの役割を強化する UI）や、ユーザーが介入する際の心理的コスト（リスクや共感の欠如）を考慮した介入策の開発が求められる。

結論

この研究は、Twitter 上の毒性の拡散が単なる個人の悪意だけでなく、集団ダイナミクスと社会的規範の形成プロセスによって駆動されていることを明らかにしました。特に、「誰かが最初に非毒性の反応を示すこと」が、その後の会話の毒性を抑制する鍵となる可能性を示唆しており、オンラインハラスメント対策において、初期の反応をいかに管理・誘導するかが重要であることを提言しています。