Asymmetries of Vulnerability: How Party Lines Shape Racialized Online Violence Against Women in the 2024 U.S. Election
本研究分析了 2024 年美国国会选举期间的 70 万余条推文，旨在证明党派身份与种族及性别相互交织，从而导致了对在线暴力的不对称脆弱性，具体表现为：相比于其对应的其他群体，民主党有色人种女性以及白人共和党女性遭受了更高水平的辱骂。
原始论文采用 CC BY 4.0 许可（https://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
在现代生活的数字广场中，社交媒体曾承诺赋予每个人发声的机会，为那些被排除在传统政治对话之外的人们提供一个平等的竞技场。几十年来，研究人员一直在观察这个新的公共广场究竟是如何运作的，而呈现出的景象远没有预期的那样民主。这些平台并没有成为思想自由交流的场所，反而成了骚扰的温床，女性政治人物不成比例地遭受着辱骂、威胁和侮辱。这种暴力并非随机发生；它遵循着一种模式，即一个人的身份决定了其受对待的方式。学者们早已理解，女性身份会让一名候选人成为目标，而有色人种身份则会增加另一层风险。但一个关键的拼图碎片一直缺失：一个人的政治党派如何改变其种族和性别在愤怒的在线人群中的感知方式？在一个因政治派系而深度分裂的国家，一个女性身份的意义取决于她是以民主党还是共和党的名义站队。理解这种转变至关重要，因为它揭示了谁面临着最高的失声风险，并挑战了“所有女性都面临同样在线危险”的简单观点。
一组研究人员致力于在 2024 年美国国会选举期间绘制这些变化的危险图谱。他们并不依赖轶事或少数病毒式传播的帖子；相反，他们通过收集超过 75 万条提及众议院和参议院候选人的推文，构建了一个庞大的数据集。为了理清这片文本海洋，他们使用了经过训练的先进计算机程序，以识别粗鲁评论与仇恨攻击之间的区别。这些工具被教导去识别特定类型的虐待，范围从一般的侮辱和嘲讽到针对个人种族、宗教或性别的言论。通过将每条推文链接回其提到的特定候选人，研究人员可以准确地看到哪些群体正在成为目标，以及被攻击的频率如何。他们观察了近 1,000 名候选人，按性别、种族和党派属性进行分类，以观察当这些因素交织在一起时，虐待的模式是否会发生变化。
结果揭示了谁受到攻击的显著不对称性。研究发现，关于单一“女性选票”或所有女性候选人面临统一骚扰体验的想法是不正确的。相反，一名女性面临的危险完全取决于她的种族与政治党派的组合。对于作为共和党人参选的白人女性，数据显示与她们的男性同事相比，遭受虐待的情况急剧增加。这些候选人收到攻击性言论的预测概率比白人共和党男性高出约 4.2 个百分点。她们也更有可能收到仇恨言论。这表明，白人共和党女性之所以成为目标，是因为她们被视为保守性别政治和传统价值观的象征，从而成为政治对立面批评者的焦点。
情况发生了彻底的反转，对于有色人种女性而言，模式发生了翻转。当这些候选人作为民主党人参选时，她们面临着比男性同行高得多的敌意。研究发现，非白人民主党女性收到攻击性言论的可能性比非白人民主党男性高出约 2.5 个百分点。这种脆弱性并非在所有群体中均匀分布；对于黑人和亚裔女性而言，这种现象最为激烈。这些候选人面临着最高的普通虐待率以及针对其种族和性别的特定仇恨言论率。研究人员认为，这是因为这些女性被视为进步变革和种族包容的强大象征，使得她们成为了那些感到受人口结构变化和文化规范威胁的人群的高价值目标。
该研究还阐明了哪些情况并未发生。它排除了“所有有色人种女性无论党派如何都面临相同危险水平”的观点。共和党有色人种女性并没有经历像她们的民主党同行那样的虐待激增；事实上，数据表明她们面临的风险通常低于白人共和党女性。同样，研究表明，白人民主党女性并没有面临与同党内有色人种女性相同的、由种族引发的强烈反弹。暴力并非一个关于成为女性或成为有色人种的简单问题；而是这些身份与政治党派的特定交集决定了风险。
这些发现描绘了一幅复杂的数字政治版图。这种虐待并不是一场平等打击每个人的统一风暴；它是一种针对性的力量，出于不同的原因打击不同的群体。白人共和党女性因她们在保守政治中所代表的意义而受到攻击，而黑人和亚裔民主党女性则因她们在进步政治中所代表的意义而受到攻击。研究结论指出，要真正理解在线暴力，我们必须停止将性别、种族和党派视为独立的因素。相反，我们必须看到它们如何结合在一起，创造出独特的脆弱性。这种理解对于任何试图保护民主参与完整性的人来说都是必不可少的，因为它表明，通往投票箱的道路对于某些女性来说明显更加危险，而这完全取决于她们所承载的政治旗帜。
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。