面向反亚裔暴力诱发言语的社区中心视角

暴力诱发言语——即隐式或显式地促进针对特定群体成员暴力的言语——在疫情期间促成了反亚裔犯罪的大幅上升。虽然先前工作已 characterize并构建工具用于检测其他有害言语，如恐惧言语和仇恨言语，但我们的工作从社区中心视角研究反亚裔暴力诱发言语。我们收集了约42万条持续3年（2020年1月1日至2023年2月1日）的Twitter数据，构建了用于 characterization 反亚裔暴力诱发言语的编码表，并收集了社区众包数据，以便使用最先进分类器进行大规模检测。我们对比了自然语言处理分类器（从BERT类到LLM类）在检测暴力诱发言语与检测反亚裔仇恨言语方面的能力。与先前工作表明此类分类器在检测仇恨言语（$F_1 = 0.89$）方面效果良好不同，我们的工作显示，对暴力诱发言语的准确可靠检测是一个具有挑战性的任务（$F_1 = 0.69$）。我们讨论了研究发现的意义，特别是针对公共卫生危机期间支持亚裔社区的前瞄性干预的必要性。与本研究相关的资源已 disponible于 https://claws-lab.github.io/violence-provoking-speech/。