Οι ερευνητές δημιούργησαν ένα μοντέλο για να προβλέψουν ποιες αστικές διαδικτυακές συνομιλίες θα μπορούσαν να κάνουν μια σειρά και να εκτροχιάσουν.

Μετά την ανάλυση εκατοντάδων ανταλλαγών μεταξύ των εκδοτών της Wikipedia, οι ερευνητές ανέπτυξαν ένα πρόγραμμα υπολογιστή που σαρώνει προειδοποιητικά σημάδια στη γλώσσα των συμμετεχόντων κατά την έναρξη μιας συνομιλίας - όπως επαναλαμβανόμενη, άμεση ανάκριση ή χρήση της λέξης "εσείς" - για να προβλέψουμε ποια πολιτικές συνομιλίες θα πάει στραβά. (Σημείωση του Edtor: Για πληροφορίες σχετικά με το διαδικτυακό κουίζ, δείτε το τέλος αυτού του άρθρου.) (Μαντέψτε ποια συνομιλία θα πάει στραβά) διαδικτυακό κουίζ: http://awry.infosci.cornell.edu/)

Οι πρώτες ανταλλαγές που περιλάμβαναν χαιρετισμούς, εκφράσεις ευγνωμοσύνης, φράκτες όπως «φαίνεται» και οι λέξεις «εγώ» και «εμείς» ήταν πιο πιθανό να παραμείνουν αστικές, σύμφωνα με τη μελέτη.

«Υπάρχουν εκατομμύρια τέτοιες συζητήσεις που πραγματοποιούνται καθημερινά και δεν μπορείτε να παρακολουθήσετε όλες τις ζωντανές. Ένα σύστημα που βασίζεται σε αυτό το εύρημα μπορεί να βοηθήσει τους συντονιστές του ανθρώπου να κατευθύνουν καλύτερα την προσοχή τους », λέει ο Cristian Danescu-Niculescu-Mizil, επίκουρος καθηγητής της επιστήμης της πληροφορίας στο Πανεπιστήμιο Cornell και συντάκτης της το χαρτί.

«Εμείς, ως άνθρωποι, έχουμε τη διαίσθηση για το αν μια συνομιλία πρόκειται να πάει στραβά, αλλά συχνά είναι απλώς μια υποψία. Δεν μπορούμε να το κάνουμε 100 τοις εκατό του χρόνου. Αναρωτιόμαστε αν μπορούμε να οικοδομήσουμε συστήματα για αναπαραγωγή ή ακόμη και υπέρβαση αυτής της διαίσθησης », λέει ο Danescu-Niculescu-Mizil.

Το μοντέλο υπολογιστή, το οποίο θεωρούσε επίσης την Προοπτική της Google, ένα εργαλείο μηχανικής μάθησης για την αξιολόγηση της «τοξικότητας», ήταν σωστό περίπου το 65 τοις εκατό του χρόνου. Οι άνθρωποι μαντέψαν σωστά το 72 τοις εκατό του χρόνου.

Οι άνθρωποι μπορούν να δοκιμάσουν τη δική τους ικανότητα να μαντέψουν ποιες συνομιλίες θα εκτροχιάσουν σε ένα διαδικτυακό κουίζ.

Η μελέτη ανέλυσε 1,270 συνομιλίες που ξεκίνησαν πολιτικά αλλά εκφυλίστηκαν σε προσωπικές επιθέσεις, αντλήθηκαν από 50 εκατομμύρια συνομιλίες σε 16 εκατομμύρια σελίδες «ομιλίας» της Wikipedia, όπου οι συντάκτες συζητούν άρθρα ή άλλα θέματα. Εξετάζουν τις ανταλλαγές σε ζεύγη, συγκρίνοντας κάθε συνομιλία που τελείωσε άσχημα με μια συζήτηση που πέτυχε στο ίδιο θέμα, οπότε τα αποτελέσματα δεν παραμορφώθηκαν από ευαίσθητα θέματα όπως η πολιτική.

Οι ερευνητές ελπίζουν ότι αυτό το μοντέλο μπορεί να χρησιμοποιηθεί για τη διάσωση συνομιλιών σε κίνδυνο και τη βελτίωση του διαδικτυακού διαλόγου, παρά για την απαγόρευση συγκεκριμένων χρηστών ή τη λογοκρισία ορισμένων θεμάτων. Ορισμένες διαδικτυακές αφίσες, όπως μη ιθαγενείς ομιλητές στα Αγγλικά, μπορεί να μην συνειδητοποιήσουν ότι θα μπορούσαν να θεωρηθούν επιθετικές και οι παροτρύνσεις από ένα τέτοιο σύστημα θα μπορούσαν να τους βοηθήσουν να αυτο-προσαρμοστούν.

«Αν έχω εργαλεία που βρίσκουν προσωπικές επιθέσεις, είναι ήδη πολύ αργά, επειδή η επίθεση έχει ήδη συμβεί και οι άνθρωποι την έχουν ήδη δει», λέει ο συντάκτης Jonathan P. Chang, φοιτητής διδακτορικού στο Cornell. "Αλλά αν καταλάβετε ότι αυτή η συνομιλία πηγαίνει σε κακή κατεύθυνση και αναλάβει δράση τότε, αυτό θα μπορούσε να κάνει το μέρος λίγο πιο φιλόξενο."

Η εφημερίδα, που συντάχθηκε με επιπλέον συνεργάτες στο Jigsaw και το Ίδρυμα Wikimedia, θα αποτελέσει μέρος της ετήσιας συνάντησης του Association for Computational Linguistics (Ιούλιος 2018) στη Μελβούρνη της Αυστραλίας.

*****

Μαντέψτε ποια συνομιλία θα πάει στραβά!

Οδηγίες διαδικτυακού κουίζ:

Σε αυτήν την εργασία, θα εμφανιστούν 15 ζεύγη συνομιλιών. Για κάθε συνομιλία, θα δείτε μόνο τα δύο πρώτα σχόλια στη συνομιλία. Η δουλειά σας είναι να μαντέψετε, βάσει αυτών των αρχών συνομιλίας, σε ποια συνομιλία είναι πιο πιθανό τελικά οδηγεί σε μια προσωπική επίθεση από έναν από τους δύο αρχικούς χρήστες. 

Αφού απαντήσετε σε κάθε ερώτηση, θα λάβετε άμεσα σχόλια σχετικά με το αν η απάντησή σας ήταν σωστή (υποδεικνύεται με πράσινο) ή εσφαλμένη (υποδεικνύεται με κόκκινο).

Περισσότερες λεπτομέρειες:

Για να μαντέψετε, θα πρέπει να χρησιμοποιήσετε τον ακόλουθο ορισμό μιας προσωπικής επίθεσης ως αναφορά:

A προσωπική επίθεση είναι ένα σχόλιο που είναι αγενές, προσβλητικό ή ασέβεια προς ένα άτομο / ομάδα ή προς τις ενέργειες ή / και τη δουλειά του συγκεκριμένου ατόμου / ομάδας.

Λάβετε υπόψη ότι δεν ψάχνετε προσωπικές επιθέσεις στα σχόλια που είναι παρουσιάζεται. Αντίθετα, θα πρέπει να χρησιμοποιείτε τη διαίσθηση της κοινωνικής δυναμικής για να αποφασίσετε ποια ανταλλαγή είναι πιο πιθανό να οδηγήσει έναν από τους συμμετέχοντες να δημοσιεύσει τελικά μια προσωπική επίθεση (την οποία δεν εμφανίζονται). 

Μερικές φορές, φαίνεται ότι κανένα απόσπασμα δεν είναι πιθανό να οδηγήσει σε επίθεση ή ότι και τα δύο φαίνονται εξίσου πιθανά. Ωστόσο, λάβετε υπόψη ότι οι συνομιλίες προέλευσης έχουν ήδη σχολιαστεί από ανθρώπους και ότι πράγματι οδηγεί σε προσωπική επίθεση. Κάντε ό, τι μπορείτε για να «ανακτήσετε» αυτές τις υπάρχουσες ετικέτες! 

Αυτό δεν είναι εύκολο έργο και μπορεί να χρειαστούν μερικά λεπτά για να απαντηθούν σε κάθε ερώτηση. Καθώς αυτό είναι ένα δύσκολο έργο, οι πρώτες τρεις ερωτήσεις είναι ερωτήσεις "προθέρμανσης" που δεν θα επηρεάσουν τη βαθμολογία σας. είναι εκεί για να σας βοηθήσουν να "βαθμονομήσετε" την αίσθηση του ποιοι παράγοντες είναι πιθανό να σηματοδοτήσουν μελλοντικές επιθέσεις. Αλλά θυμίσου, ο στόχος σας είναι να ανακτήσετε όσες περισσότερες ετικέτες μπορείτε. 

Λόγω της φύσης της εργασίας, ορισμένα από αυτά τα σχόλια ενδέχεται να περιέχουν προσβλητικό περιεχόμενο. Λυπούμαστε γι 'αυτό.

Κάντε κλικ εδώ για διαδικτυακό κουίζ.

πηγή: Πανεπιστήμιο του Cornell

Σχετικά βιβλία

at InnerSelf Market και Amazon