The crime of being poor
本文利用针对推特数据的自然语言处理技术，量化并分析了在八个英语国家中将贫困与犯罪进行错误关联的社会偏见，揭示了这种认知是由文化因素而非实际犯罪率所驱动的，并指出解决这一集体偏见对于有效的减贫政策至关重要。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
把社会想象成一个巨大的、嘈杂的城镇广场，每个人都在大声喊出自己的想法。长期以来，人们一直争论说，贫穷被当作一种罪行来对待，即便并没有违反任何法律。这篇论文就像是一个数字侦探，倾听着那个城镇广场（具体来说是 Twitter）里的声音，看看人们是否真的比谈论富人更多地在叫嚣“穷人是罪犯”。
以下是他们发现的故事，通过简单的拆解呈现：
核心问题
作者想要知道：不同国家的人们是否在潜意识里认为贫穷意味着犯罪？
他们知道，在现实世界中，统计数据并不能证明穷人整体上犯了更多的罪。但他们怀疑，在人们的大脑中，这两个概念像磁铁一样紧紧粘在一起。他们称之为“贫困的犯罪化”。
他们如何破解谜题
研究人员没有直接询问人们（因为这可能很棘手，人们可能会撒谎或隐藏真实想法），而是使用了一种叫做**自然语言处理（NLP）**的计算机工具。把它想象成一个超级聪明的机器人，它可以阅读数百万个句子，并理解其背后的“氛围”或含义。
- 收集： 他们在 2022 年 8 月至 11 月期间收集了超过 300 万个句子。
- 分类： 他们将这些句子分为两大堆：
- A 堆： 讨论“穷人”、“无家可归者”或“低收入者”的句子。
- B 堆： 讨论“富人”、“富有者”或“精英”的句子。
- 搜索： 他们在两堆句子中寻找“犯罪词汇”（如监狱、警察、罪犯、逮捕）。
- 评分： 他们创建了一个名为**犯罪-贫困偏见（CPB）**的分数。
- 如果“穷人”那一堆包含的犯罪词汇远多于“富人”那一堆，分数就会上升。
- 如果分数相近，则表示偏见较低。
他们的发现
他们观察了八个英语国家：美国、英国、加拿大、印度、尼日利亚、澳大利亚、南非和肯尼亚。
- 赢家（还是输家？）： 美国的偏见值最高。在美国的推文中，人们将“穷人”与“犯罪”联系起来的可能性，要比将“富人”与“犯罪”联系起来的可能性高得多。
- 令人惊讶之处： 你可能会认为贫困率或失业率高的国家会有最高的偏见。但事实并非如此。
- 南非和肯尼亚的贫困和失业率都比美国高得多，但它们的“偏见得分”却要低得多。
- 美国的贫困和失业率比南非低，但其“偏见得分”却要高得多。
数字背后的“为什么”
作者认为，美国之所以有如此强的偏见，并不是因为那里的犯罪率真的更高。相反，这可能是因为美国人讲述的一个特定的故事：“机遇之地”。
想象一场比赛，每个人都被告知：“只要你跑得足够快，你就能获胜。”在这个故事中，如果你处于山脚下，那是你没跑够快的错。这种心态会让人们认为：“如果你很穷，那你一定是懒惰或不诚实的。”
在像美国和加拿大这样的国家，人们通常相信每个人都有平等的成功机会。当这种信念很强烈，而现实却是穷人却陷入贫困时，人们会感到沮丧。于是他们开始认为：“他们之所以穷，不是因为制度出了问题，而是因为他们本身是坏人。”
为什么这很重要
论文指出，这种“贫困与犯罪之间的心理联系”是危险的。
- 恶性循环： 如果人们相信穷人是罪犯，他们就不会想要帮助穷人。他们甚至可能支持惩罚穷人的法律（比如禁止流浪汉在街上睡觉的罚款）。
- 政策阻碍： 当公众认为穷人是“不值得救助的”或“犯罪的”时，政府就很难通过那些真正有助于减轻贫困的法律。
总结
这篇论文并不是说贫困导致了犯罪。它说的是，社会认为贫困会导致犯罪的这种“观念”是一个真实存在的问题。
通过利用人工智能来倾听人们在网上的言论，作者展示了这种偏见在那些以“机会均等”自居的国家中最为强烈。他们建议，要解决贫困问题，我们不能仅仅给穷人钱；我们还必须改变社会看待他们的方式。我们需要停止在集体的意识形态中，将贫困视为一种罪行。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。