认可的语言：识别在线正面反馈的驱动因素

通过点赞和奖励给予的正面反馈是在线治理的核心，然而用户帖子的哪些属性会引发奖励——以及这些属性在不同作者和社区之间如何变化——仍不清楚。为了检验这一点，我们将准实验因果推断与预测建模相结合，分析了来自 100 个 subreddit 的 1100 万条帖子。我们识别出与奖励有因果关系且控制了作者声誉、发布时间和社区语境的语言模式和文体属性。例如，过于复杂的语言、试探性风格和毒性会减少奖励。我们使用一组精选特征训练模型，能够以高 AUC 检测高赞帖子。我们对社区指南的审计凸显了一个“政策-实践差距”——大多数规则主要关注文明和格式要求，很少强调被识别为驱动正面反馈的属性。这些结果为社区指南的设计、教导用户如何撰写受欢迎贡献的界面设计，以及强调正面强化而非纯粹惩罚性执行的审核工作流程提供了参考。