"F*** You Biden"：美国选举期间跨派系电子舆论的毒性

社交媒体上的政治话语正变得越来越有毒，选举期间会放大派系间的敌意和跨群体攻击。然而，线上政治言论的毒性是否反映了同派系成员在内部交流，或是他们对立场异议者的攻击态度，尚不明确。弄清这一动态对于理解线上政治敌意以及设计有效的内容 moderation 至关重要。我们利用大规模来自 X（前身为 Twitter）2024 年美国总统大选期间的原创帖子和回复数据进行大规模分析。通过人类验证的大语言模型对帖子和用户进行政治派系归属分类，并使用 Perspective API 进行毒性评分，我们发现一个惊人现象：共和党倾向帖子的毒性显著高于民主党倾向帖子，但民主党倾向帖子却吸引了更多毒性回复。为解读这一发现，我们比较了同派系和跨派系回复的毒性。尽管跨派系回复在毒性上略高于同派系回复，这一现象对民主党和共和党帖子都适用。然而，针对民主党帖子的大多数回复来自共和党用户，而民主党用户则是针对共和党内容的少数回复者。因此，针对民主党内容的高额毒性更可能源于共和党跨派系回复的数量。