Mapping Election Toxicity on Social Media across Issue, Ideology, and Psychosocial Dimensions
该研究通过对 2024 年美国大选期间 X 平台数据的分析，揭示了政治毒性在议题与意识形态维度上的显著异质性，发现身份相关议题毒性最强、骚扰最为普遍，且有毒话语主要由高唤醒负面情绪驱动，表明在线政治毒性高度依赖语境，需采取议题敏感的策略进行测量与治理。
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
这篇论文就像是一份**“2024 年美国大选期间社交媒体‘情绪体检报告’"**。
想象一下，社交媒体（比如 X/Twitter）是一个巨大的、嘈杂的**“政治大集市”。在大选前的五周里，这里人声鼎沸，人们为了各种话题争得面红耳赤。研究人员（来自南加州大学）就像是一群拿着显微镜和录音笔的“集市侦探”，他们收集了超过 72 万条原始帖子，试图搞清楚：在这个大集市里，“骂战”（毒性内容）到底是怎么发生的？为什么有些话题特别容易让人发火？不同党派的人吵架时，心里想的和嘴上骂的有什么不一样？**
以下是用大白话和比喻对这篇论文核心内容的解读：
1. 他们是怎么“破案”的？（研究方法）
研究人员没有人工一条条去读，而是请了**"AI 助手团”**（大型语言模型）帮忙。
- 分类员：把帖子按话题分类，比如“经济”、“移民”、“堕胎”等 10 个大类。
- 立场鉴定师：判断发帖人是“左派”、“右派”还是“中立路人”。
- 毒气检测员：识别哪些话是“有毒”的（比如骚扰、仇恨、暴力）。
- 心理分析师：分析发帖人的情绪（是愤怒还是恐惧？）以及他们背后的道德价值观（是觉得别人“不忠”还是“不公正”？）。
2. 发现了什么？（核心发现）
🌪️ 发现一：有些话题自带“火药桶”属性
并不是所有话题吵架的程度都一样。
- 比喻：如果把“经济”话题比作**“温吞水”，大家虽然争论但比较冷静；那么“身份认同”话题（如种族、性别、移民）就是“干柴烈火”**。
- 事实：涉及身份认同（比如种族不平等、移民）的话题，不仅骂人最多，而且骂得最狠、最恶毒。相比之下，像“气候变化”这种话题，虽然也有人吵，但火药味淡很多。
- 最毒的类别：在所有骂战中，**“骚扰”（人身攻击、恐吓）**是最常见的，比单纯的“仇恨言论”还要多。这说明大家更多是在互相攻击个人，而不是单纯表达种族歧视。
⚖️ 发现二：党派立场越鲜明，骂得越凶
- 比喻：在这个大集市里，“中立的路人”（只陈述事实，不站队）通常是最文明的。而**“死忠粉”**（左派或右派）一旦开口，火药味就浓了。
- 事实：带有强烈党派色彩的帖子，比中立帖子更容易包含有毒内容。而且，左派和右派在某些特定话题上，谁骂得更狠是不一样的。
- 比如在“移民”和“暴力犯罪”话题上，右派骂得更凶。
- 但在“经济”和“枪支政策”上，左派反而骂得更凶。
- 结论：没有绝对的“哪一派更坏”，而是**“看聊什么天”**。不同的话题会点燃不同阵营的怒火。
🪞 发现三：吵架的“情绪镜像”与“道德双标”
这是论文最有趣的部分。研究人员发现，虽然左派和右派互相看不顺眼，但他们在吵架时的**“心理剧本”**竟然惊人地相似。
- 情绪镜像：
- 比喻：想象两个正在打架的人，虽然他们互相讨厌，但他们心跳加速、满脸通红、大声吼叫的样子是一模一样的。
- 事实：在同一个话题下（比如讨论“民主”），左派和右派最 dominant 的情绪都是**“愤怒”**，其次是恐惧和厌恶。他们就像照镜子一样，用同样的激烈情绪来回应同一个问题。
- 道德镜像：
- 比喻：就像两个厨师，虽然在做完全不同的菜（政治立场不同），但他们用的**“核心调料”**（道德基础）是一样的。
- 事实：比如讨论“移民”时，左派和右派都大量使用**“关怀/伤害”**这个道德框架（一方说“我们要保护移民”，另一方说“我们要保护本国公民不受伤害”）。虽然结论相反，但大家都是在用“关心”和“避免伤害”这套逻辑在吵架。
- 关键点：是什么话题决定了大家用什么“道德调料”，而不是你的党派决定了你用什么调料。
3. 这对我们意味着什么？（总结与启示）
这篇论文告诉我们，网络上的政治骂战不是乱成一团的，而是**“看菜下碟”**的：
- 话题决定火药量：如果你想在社交媒体上引发最激烈的骂战，去聊“身份”和“移民”准没错；聊“经济”可能只会引发一些理性的辩论。
- 情绪是通用的：不管你是左派还是右派，一旦卷入骂战，大家都会变得愤怒、恐惧。这种**“情绪共鸣”**（虽然方向相反）让冲突更容易升级。
- 不要只看表面：现在的 AI 检测工具虽然能识别“脏话”，但很难区分“描述暴力”和“实施暴力”。比如，一个人说“战争很可怕”和一个人说“我要去杀人”，AI 可能都会标记为“暴力”，但性质完全不同。
一句话总结：
2024 年美国大选期间的网络骂战，就像一场**“情绪失控的集市大乱斗”。大家虽然立场不同，但吵架的方式、愤怒的程度、甚至使用的道德借口都惊人地相似**。这种“镜像效应”说明，网络上的毒性不仅仅是因为“谁对谁错”，更是因为特定的话题点燃了人类共通的激烈情绪。要解决这些问题，不能只靠封号，更需要理解不同话题背后的心理机制。
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。