社交媒体上仇恨言论传播者的用户特征分析

社交媒体上的仇恨言论威胁个人的身心健康，并助长现实世界中的暴力。转发是社交媒体上仇恨言论传播的重要驱动因素。然而，关于谁会转发仇恨言论及其特征如何，人们知之甚少。在本文中，我们分析用户特征在不同类型仇恨言论（如政治仇恨）转发中的作用。为此，我们进行如下操作：首先，利用大语言模型对仇恨言论帖子进行聚类，以识别不同类型的仇恨言论。随后，我们使用可解释机器学习模型对用户属性影响其转发仇恨言论概率的效应进行建模。为此，我们应用去偏置以控制观测性社交媒体数据中的选择偏差，并进一步控制用户面对仇恨言论的潜在易感性。我们发现，在其他条件相同的情况下，关注者更少、好友更少、发帖更少且账户更老的用户会更多地分享仇恨言论。这表明社会影响力较小的用户往往更多地分享仇恨言论。此外，我们发现不同类型仇恨言论之间存在显著的异质性。例如，种族主义和厌女仇恨主要由社会影响力较小的用户传播。相比之下，反特朗普和反右翼的政治仇恨则由社会影响力较大的用户转发。总体而言，理解驱动用户分享仇恨言论的因素，对于识别有从事有害行为风险的个体以及设计有效的缓解策略至关重要。