💬 NLP

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

Deze studie maakt gebruik van een gefinetuned visie-taalmodel om 400.000 YouTube-nieuwsvideo's uit Korea en de VS te analyseren, waarbij wordt onthuld dat morele verontwaardiging uitgedrukt door retoriek die anderen veroordeelt consistent leidt tot hogere niveaus van publieke betrokkenheid over alle betrokkenheidsniveaus heen, van passief kijken tot actief reageren, waardoor de effectiviteit ervan wordt benadrukt terwijl zorgen worden gewekt over de potentie ervan om maatschappelijke polarisatie te verdiepen.

Oorspronkelijke auteurs: Seongchan Park, Jaehong Kim, Hyeonseung Kim, Heejin Bin, Sue Moon, Wonjae Lee

Gepubliceerd 2026-02-02

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Seongchan Park, Jaehong Kim, Hyeonseung Kim, Heejin Bin, Sue Moon, Wonjae Lee

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je het internet voor, specifiek YouTube, als een enorme, lawaaierige marktplaats. In deze marktplaats is de meest waardevolle valuta geen geld; het is menselijke aandacht. Nieuwszenders zijn als straatverkopers die proberen het hardst te schreeuwen om mensen te laten stoppen, kijken en interageren met hun waren.

Dit artikel is een studie door onderzoekers van KAIST in Zuid-Korea die wilden begrijpen: Wat voor soort "geschreeuw" zorgt er eigenlijk voor dat mensen niet alleen kijken, maar ook kopen (liken) en discussiëren (reageren)? Ze bekeken nieuwsvideo's uit zowel de Verenigde Staten als Zuid-Korea om te zien of de spelregels in beide landen hetzelfde zijn.

Hier is de uitsplitsing van hun bevindingen, gebruikmakend van eenvoudige analogieën:

1. De Gereedschapskist: Tussen de regels door lezen (en kijken)

De meeste eerdere studies lazen alleen de tekst (de videotitels), zoals het lezen van een krantenkop zonder naar de foto te kijken. Maar op YouTube werken de thumbnail-afbeelding en de titel samen als een filmposter en de bijbehorende slogan.

Het Probleem: Mensen zijn erg goed in het zien van een afbeelding van een woedende menigte en het lezen van een titel over "corruptie" en het direct voelen van morele verontwaardiging. Computers hebben meestal moeite om de verbanden tussen de afbeelding en de tekst te leggen.
De Oplossing: De onderzoekers bouwden een speciale "digitale detective" (een AI-model). Ze leerden het door het duizenden voorbeelden van YouTube-thumbnails en titels te tonen, gelabeld met menselijke hulp. Ze leerden de AI om morele emoties te herkennen—specifiek gevoelens over goed en kwaad.
Het Resultaat: Ze creëerden een tool die de cover en titel van een video kan bekijken en kan zeggen: "Dit zit vol met morele verontwaardiging," "Dit gaat over lijden," of "Dit is neutraal." Ze testten dit op bijna 400.000 video's.

2. De Drie Niveaus van Betrokkenheid

De onderzoekers keken naar drie manieren waarop mensen met een video interageren, die ze vergeleken met niveaus van toewijding:

Views (Weergaven): Gewoon langs de kraam van de verkoper lopen en er even naar kijken (Passief).
Likes: Stoppen om een duim omhoog te geven of een knikje te geven (Matige toewijding).
Comments (Reacties): Stoppen om een gesprek of een ruzie te beginnen (Hoge toewijding).

3. De Grote Ontdekking: De "Outrage Engine" (Verontwaardigingsmotor)

De studie vond een heel duidelijk patroon dat in zowel Korea als de VS waar was.

De "Outrage" Brandstof: Wanneer een video andere-veroordelende retoriek gebruikte (taal die anderen berispt, bespot of boos wordt op het slechte gedrag van anderen), was dat als het gieten van benzine op een vuur.
- Het zorgde voor meer views.
- Het zorgde voor zelfs meer likes.
- Het zorgde voor de meeste comments.
- De Analogie: Stel je voor dat een verkoper roept: "Kijk naar die dief daar! Hij is verschrikkelijk!" Mensen kijken niet alleen even; ze stoppen, wijzen en beginnen met elkaar te discussiëren over de dief. De woede zorgt ervoor dat mensen iets willen doen, en niet alleen maar kijken.
Het "Lof" en "Verdriet" Effect:
- Video's die mensen prezen (bijv. "Kijk naar deze held!") of zich richtten op lijden (bijv. "Kijk naar dit arme slachtoffer") kregen over het algemeen niet hetzelfde hoge niveau van betrokkenheid. Sterker nog, in veel gevallen kregen ze zelfs minder reacties en likes dan neutrale video's.
- De Analogie: Een verkoper die zegt: "Kijk eens naar deze aardige man," krijgt misschien een beleefde knik, maar het lokt zelden mensen uit om te schreeuwen of ruzie te maken. Het is te kalm om een razernij te ontketenen.

4. De Cross-Culturele Connectie

De onderzoekers waren verrast om te ontdekken dat deze "Outrage Engine" exact hetzelfde werkte in zowel Zuid-Korea als de Verenigde Staten. Hoewel de culturen, talen en specifieke nieuwsverhalen verschilden, was de menselijke reactie op morele verontwaardiging identiek. Of het nu een politiek schandaal in Seoul was of een rechtszaak in Washington, de woede zorgde ervoor dat mensen dieper betrokken raakten.

5. Het Waarschuwingslabel

Het artikel sluit af met een waarschuwend woord. Hoewel morele verontwaardiging een zeer effectief middel is om aandacht en betrokkenheid te krijgen, brengt het een risico met zich mee.

Het Gevaar: Omdat verontwaardiging mensen aanmoedigt om "wij versus zij"-groepen te vormen (de "goeden" tegenover de "slechten"), kan het de verdeeldheid in de samenleving verdiepen. Als nieuwsmedia beseffen dat "schreeuwen over de slechteriken" hen de meeste views en reacties oplevert, kunnen ze in de verleiding komen om meer boze, verdeelde taal te gebruiken, puur om populair te blijven.
De Conclusie: De studie zegt niet dat dit zal gebeuren, maar waarschuwt dat de "aandachtseconomie" van nature de luidste, meest boze stemmen beloont, wat de marktplaats potentieel in een slagveld kan veranderen.

Samenvatting

Kortom, dit artikel bouwde een slimme tool om YouTube-video's te lezen en ontdekte dat woede over anderen de sterkste magneet is voor menselijke aandacht. Het zorgt ervoor dat mensen meer kijken, liken en discussiëren dan welke andere emotie ook, en deze regel geldt of je nu in Korea of in de VS bent. De onderzoekers waarschuwen dat hoewel dit geweldig is voor het krijgen van views, het slecht kan zijn voor het bij elkaar houden van de samenleving.

Technische Samenvatting: Morele Verontwaardiging Vormt Betrokkenheid Voorbij Aandacht

Probleemstelling
In de aandachtseconomie geven sociale mediaplatforms prioriteit aan content die een hoge gebruikersbetrokkenheid genereert. Hoewel eerder onderzoek vaststelt dat moreel-emotionele content deelname en polarisatie aanjaagt, blijven er significante hiaten bestaan in het begrip van deze dynamieken. Bestaande studies vertrouwen voorningsgewijs op unimodale, tekstgebaseerde analyses, waardoor ze het inherent multimodale karakter van platforms zoals YouTube missen, waar thumbnail-afbeeldingen en titels gezamenlijk de perceptie beïnvloeden. Bovendien is het meeste onderzoek geconcentreerd op westerse contexten, waardoor de cross-culturele generaliseerbaarheid van moreel-emotionele expressie en betrokkenheid onduidelijk blijft. Deze studie adresseert deze hiaten door te onderzoeken hoe multimodale moreel-emotionele inkadering door mainstream nieuwszenders de gebruikersgedrag beïnvloedt in zowel Zuid-Korea als de Verenigde Staten.

Methodologie
Het onderzoek maakt gebruik van een computational social science-raamwerk bestaande uit dataverzameling, multimodale modellering en regressieanalyse.

Dataverzameling: De auteurs hebben een dataset samengesteld bestaande uit ongeveer 400.000 YouTube-video's (292.136 uit Korea en 105.761 uit de VS) die tussen januari en december 2024 zijn geüpload. De data bevat 7 Koreaanse en 16 Amerikaanse nieuwszenders, geselecteerd op basis van politieke diversiteit. Voor elke video legt de dataset thumbnail-afbeeldingen, titeltekst en engagement-metadata (weergaven, likes, reacties) vast, waarbij de metadata werd opgehaald tijdens een vaste periode van acht dagen om vergelijkbaarheid te garanderen.
Menselijke Annotatie: Om de modellen te trainen, werd een 'gold-standard' dataset gecreëerd via een meerfasige steekproefstrategie. Moedertaalsprekers annoteerden 1.276 Koreaanse en 900 Engelse thumbnail-titelparen in zes categorieën: other-condemning (morele verontwaardiging), other-praising, other-suffering, self-conscious, neutral, en non-moral emotion. De inter-annotator overeenstemming werd gemeten met Cohen's, Fleiss' en Krippendorff's kappa, waarbij een hogere overeenstemming werd gevonden voor de Koreaanse data (gemiddelde $\kappa \approx 0,75$ ) dan voor de Engelse data (gemiddelde $\kappa \approx 0,53$ ).
Multimodale Modellering: De studie ontwikkelde binaire classificators voor elk van de zes morele emotiecategorieën met behulp van Multimodale Large Language Models (MLLM's). De auteurs evalueerden zowel closed-source (Gemini-2.5-Flash-Lite) als open-source (Qwen2-VL-7B-Instruct) modellen onder zero-shot, few-shot en fine-tuning instellingen. Het gefinetunede Qwen2-VL-7B-Instruct model behaalde de beste prestaties, met name voor de Koreaanse dataset (Gemiddelde Accuraatheid: 0,8981, Macro F1: 0,8010). De studie valideerde dat het integreren van visuele aanwijzingen de text-only baselines aanzienlijk overtrof.
Regressieanalyse: De voorspelde morele emotiekansen werden gebruikt als onafhankelijke variabelen in negatief binomiale regressiemodellen om drie afhankelijke variabelen te voorspellen die steeds hogere niveaus van betrokkenheid vertegenwoordigen: weergaven, likes en reacties. Modellen controleerden voor videoduur, kanaalbaseline, maand en weekdag.

Belangrijkste Resultaten
De analyse onthult een consistent cross-cultureel patroon met betrekking tot de impact van morele emoties op engagement:

Other-Condemning Retoriek: Expressies van morele verontwaardiging (het bekritiseren van de moraliteit van anderen) verhoogden consistent alle vormen van engagement in beide landen. Cruciaal is dat het effect groter werd naarmate het niveau van betrokkenheid toenam. In de VS werd other-condemning retoriek geassocieerd met een toename van 94% in weergaven, 128% in likes en 204% in reacties (Incidence Rate Ratios: 1,94, 2,28, 3,04). Vergelijkbare, maar iets minder uitgesproken trends werden waargenomen in Korea.
Andere Emoties: Other-praising retoriek onderdrukte de engagement over het algemeen, wat leidde tot minder weergaven en reacties. Other-suffering toonde gemengde resultaten: het verhoogde de weergaven in Korea, maar verminderde de likes en reacties; in de VS vertoonde het consequent negatieve associaties over alle metrieken. Neutral content verminderde over het algemeen de engagement, hoewel het in de VS de weergaven verhoogde terwijl het de likes en reacties verminderde.
Commitment Gradiënt: De studie bevestigt dat morele verontwaardiging uniek is in haar vermogen om niet alleen passieve aandacht (weergaven) te genereren, maar ook actieve participatie (likes en reacties), waarbij de sterkste impact werd waargenomen bij reactiegedrag.

Belangrijkste Bijdragen

Methodologische Innovatie: De auteurs hebben de eerste multimodale classificators voor morele emoties voor zowel de Koreaanse als de Engelse context ontwikkeld en publiekelijk vrijgegeven. Deze modellen maken gebruik van gefinetunede MLLM's om thumbnail-afbeeldingen en titels gezamenlijk te verwerken, wat aantoont dat de visueel-tekstuele integratie essentieel is voor nauwkeurige detectie van morele emoties in digitale media.
Cross-Cultureel Empirisch Bewijs: De studie levert robuust bewijs dat de dynamiek van moreel-emotionele engagement generaliseert over verschillende culturele settings (Korea en de VS). Het identificeert other-condemning retoriek als een universele drijfveer van hoog-betrokkenheid engagement.
Theoretisch Inzicht: Door morele emoties te koppelen aan specifieke niveaus van betrokkenheid, verfijnt het onderzoek het begrip van de aandachtseconomie, waarbij wordt aangetoond dat morele verontwaardiging fungeert als een krachtige motivator voor actieve participatie, niet alleen voor passieve consumptie.

Betekenis en Claims
Het artikel beweert dat morele verontwaardiging een bijzonder effectieve emotionele strategie is voor mediaorganisaties, in staat om zowel aandacht als actieve participatie te verzekeren. De auteurs waarschuwen echter dat deze effectiviteit aanzienlijke maatschappelijke risico's met zich meebrengt. Omdat other-condemning retoriek inherent publieken verdeelt in in-groups en out-groups, kan de versterking hiervan via engagement-algoritmen de politieke polarisatie verdiepen. De auteurs suggereren dat kwaadwillende actoren en desinformatienetwerken dit mechanisme kunnen exploiteren om valse of polariserende narratieven te verspreiden.

De studie concludeert dat hoewel morele emoties fundamenteel zijn voor sociale coördinatie, het specifieke mechanisme van morele verontwaardiging in de digitale aandachtseconomie nauwlettende monitoring vereist. De auteurs stellen voor dat toekomstig werk moet onderzoeken hoe platforms excessieve verontwaardiging kunnen mitigeren zonder de verantwoording te ondermijnen, en hoe deze detectiecapaciteiten kunnen worden geïntegreerd in kaders voor het identificeren van trolls en desinformatie. Het artikel behoudt een bescheiden standpunt door te erkennen dat het een observationele studie is die correlaties in plaats van causaliteit identificeert, en merkt beperkingen op wat betreft de betrouwbaarheid van de annotatie voor Engelse data en potentiële biases in getrainde modellen.