Cohesion-6K：面向阿拉伯语在线话语中社会凝聚力与冲突分析的数据集
计算与语言
2026-05-22 v1
摘要
在线话语的研究已成为理解社会两极化的核心。虽然许多研究都集中于检测显性有害内容，但关于社会凝聚力（即包含divisive和unifying叙事之间的相互作用）的细微动态在计算上仍未得到充分探索 (Bail, 2021; Gonzalez-Bailon and Lelkes, 2023)。本文提出Cohesion-6K，一个经手动和ChatGPT辅助注释的六千篇阿拉伯语公共Facebook帖子数据集，涉及以色列对巴勒斯坦的占领。每篇帖子被分配到五个话语类别中的一个，这些类别代表从冲突到凝聚力的连续谱：冲突、解决、社区参与、支持性互动和共享价值。注释过程结合了专家人类判断与模型辅助的前标签化，通过经过训练的注释员进行验证，实现了显著的注释员间一致性 (Cohen's kappa = 0.85)。定量分析揭示了持续的参与差距，即冲突导向的帖子在用户互动方面获得两到四倍于解决导向帖子的互动 (p < 0.01)。这一模式说明，具有对立性的话语在阿拉伯语社交媒体空间中吸引了不成比例的可见性。Cohesion-6K 提供了一个透明且可复现的资源，用于研究在线凝聚力和两极化。数据集、注释指南和预处理代码将在开放许可下发布，以支持计算社会科学、数字通信和阿拉伯语自然语言处理等未来工作。
引用
@article{arxiv.2605.22447,
title = {Cohesion-6K: An Arabic Dataset for Analyzing Social Cohesion and Conflict in Online Discourse},
author = {Aisha Ali Al-Athba and Wajdi Zaghouani},
journal= {arXiv preprint arXiv:2605.22447},
year = {2026}
}