技术摘要：“闭嘴，让我享受乙女游戏”：理解并衡量乙女游戏社区的毒性

问题陈述

乙女游戏作为一种以叙事驱动的恋爱模拟类型，主要面向女性玩家，已成为全球游戏市场的重要力量。尽管取得了商业成功并拥有庞大的用户群，这些社区仍面临着普遍存在的网络毒性（toxicity），而这一现象在研究领域仍处于被忽视的状态。现有的游戏毒性研究主要集中在通用的、性别混合的多人游戏环境中，记录了基于性别的敌意和协同骚扰。然而，乙女社区拥有独特的社会结构——其特征是主要为单一性别的玩家群体、与非玩家角色（NPC）之间强烈的准社会关系（parasocial bonds），以及组织化的“饭圈”（fandom）文化——这些特征可能会产生独特的毒性模式。

目前的毒性检测工具（如 Perspective API、OpenAI Moderation）难以处理乙女社区中盛行的特定语言细微差别、俚语和规避策略。此外，目前缺乏对这些特定生态系统中毒性的流行程度、目标群体、时间动态和语言特征的系统性理解。这一空白阻碍了为数百万面临歧视和骚扰的女性玩家制定有效的缓解策略。

方法论：OtomeSCAN 框架

为了解决这些差距，作者引入了 OtomeSCAN 框架，旨在收集、评估和分析乙女游戏社区中的毒性。该研究重点关注了四个特定的乙女游戏社区和两个通用的游戏对照组，涵盖了两个主要的社交平台：微博（中文）和 Reddit（英文）。

1. 数据集构建

• 数据收集： 作者收集了从 2024 年 1 月到 2025 年 5 月期间的 620,045 条帖子。
  • 研究组： 《恋与深空》、《Mr. Love: 璀璨星途》、《光与夜之恋》以及一个通用的乙女社区。
  • 对照组： 《原神》（一个具有相似变现/更新周期的混合性别 RPG）以及一个通用游戏社区。
• 基准真相标注（Ground Truth Annotation）： 为了评估检测模型，作者手动标注了 4,308 条帖子。
  • 标签： 二元毒性（有毒/无毒）和目标群体。
  • 目标群体： 识别出八个类别：玩家、NPC、游戏开发者、平台管理员、政策制定者、身份群体、其他游戏相关实体以及未知。
  • 可靠性： 标注过程实现了高度的标注者间一致性（针对目标群体的 Cohen's Kappa > 0.82）。

2. 检测器评估

研究在标注的数据集上评估了七种毒性检测器：

• 通用型检测器： Perspective API、OpenAI Moderation API 和 COLD（针对中文）。
• LLM 驱动的检测器： 四个使用上下文提示（In-context prompting）的模型（DeepSeek-V3、DeepSeek-R1-Distill-Qwen-14B、GPT-4o、GPT-4o mini）。
• 优化： 通过对提示词设计（思维链、仅定义、推理、shot 数量）进行消融实验，作者确定 5-shot 推理提示（Reasoning prompt） 效果最佳。
• 选择： 针对微博数据选择了 DeepSeek-V3 (F1=0.82)，针对 Reddit 数据选择了 GPT-4o mini (F1=0.78)，两者表现均显著优于难以处理领域特定语言和语境的通用检测器。

3. 分析流程

利用选定的 LLM 驱动检测器，作者分析了完整的数据集，以调查以下内容：

• 流行度与模式： 比较不同平台间的毒性比例和目标分布。
• 时间动态： 识别与现实世界事件（如游戏更新、外部攻击）相关的毒性激增。
• 语言特征： 分析毒性片段（toxic spans）及其变体策略（俚语、缩写、同音字）的使用情况，以规避审核。
• 协同行为： 使用 TF-IDF 向量相似度和余弦相似度阈值来检测潜在的协同集群。

核心发现

1. 平台特有的流行度与目标

• 微博 vs. Reddit： 两者在毒性流行程度上存在显著差异。在微博上，22.20% 的乙女相关帖子具有毒性，而在 Reddit 上仅为 3.71%。相比之下，通用游戏社区在两个平台上的毒性水平都处于较低水平（约 3.5%）。
• 目标分布：
  • 微博： 毒性主要针对 玩家 (47.20%) 和 游戏开发者 (29.84%)。
  • Reddit： 毒性重心转向 NPC (36.49%) 和 游戏开发者 (22.75%)，玩家成为罕见的目标 (9.68%)。
• 交互模式： 在微博上，毒性帖子通常获得的点赞和评论较少（负相关），表明存在平台层面的抑制。然而，采用语言规避策略（俚语、同音字）的毒性帖子会获得显著更多的互动。在 Reddit 上，毒性帖子与评论数呈正相关，表明毒性往往引发互动而非受到抑制。

2. 时间动态与事件

毒性激增与特定的现实世界事件密切相关，这些事件被归类为社区内冲突、外部攻击、游戏更新和消费者权益抗议。

• 升级： 在外部攻击（例如某说唱歌手嘲讽乙女玩家）期间，微博上的毒性比例在 72 小时内从 22.20% 跳升至 37.09%。
• 目标转移： 在这些事件期间，毒性的目标往往随时间演变，从具体的诉求（如游戏更新）演变为针对玩家或开发者的更广泛的身份攻击。

3. 语言特征

• 变体策略： 微博上的毒性帖子频繁使用语言变体来规避检测。微博上 39.89% 的独特毒性片段使用了俚语、缩写和替换（如同音字）等策略，而 Reddit 仅为 22.77%。
• 词汇： 微博的毒性通常涉及“饭圈”术语和身份标记语言（例如“饭圈”、“国乙”——对国内乙女玩家的贬义称呼）。Reddit 的毒性则更为直接，侧重于游戏机制、变现手段（“贪婪”、“骗局”）以及对角色的不满。

4. 潜在协同行为

研究在乙女社区中识别出 191 个潜在协同集群。

• 目标： 这些集群中有 64.40% 针对游戏开发者。
• 模式： 大多数集群规模较小（中位数为 2 条帖子）且持续时间短。然而，一部分账号在多个集群中重复参与。值得注意的是，一名拥有超过 2,000 名粉丝的认证社区影响力人物（influencer）被确定为连接多个集群的核心节点，此外还有一些在发帖期前不久创建的账号。

贡献与意义

本文做出了三个主要贡献：

1. 首次大规模实证研究： 它提供了对乙女游戏社区毒性的首次系统性测量，揭示了与通用游戏社区截然不同的流行率、目标分布和交互模式。
2. 专门的检测框架： 它提出了一个针对乙女内容的 LLM 驱动检测框架并进行了验证，实现了较高的 F1 分数（微博 0.82，Reddit 0.78），并优于通用型工具。作者公开了包含 4,308 条手动标注帖子的数据集，以支持未来的研究。
3. 协同行为特征化： 它识别了潜在协同行为的可观察模式，强调游戏开发者是协同行为的主要目标，并且特定的用户账号（包括影响力人物）可能在这些集群中扮演反复出现的角色。

意义：
作者认为，尽管乙女游戏拥有巨大的市场潜力和用户基础，但这些社区的毒性治理仍然极少。研究强调，乙女社区面临着独特的挑战，包括基于身份的敌意和由叙事驱动的冲突，这需要定制化的管理策略而非通用方法。通过揭示这些动态，这项工作旨在为游戏开发者和平台管理员提供信息，帮助他们为边缘化游戏社区构建更健康的在线空间。作者强调，他们关于协同行为的发现是观察性的，并不代表最终证明了意图，而是标记了值得进一步调查的模式。