不要错过明天的社交媒体行业新闻

围绕埃隆马斯克接管 Twitter 的主要担忧之一是人们认为过去有关仇恨言论、错误信息和其他相关因素的规定有所放松。

马斯克强烈支持允许各种言论，无论是否个人反感，他监督了数万个先前被 Twitter 管理层禁止的账户的恢复，同时他还取消了旨在遏制 COVID 错误信息的限制，取消了警告标签关于中国和俄罗斯官方媒体的内容，同时他本人也在向他的 1.34 亿粉丝宣传各种阴谋论。

据报道，由于担心与仇恨言论和冒犯性材料的潜在关联，许多 Twitter 广告商都避开了这些变化——但仇恨言论实际上在 Twitter 2.0 上呈上升趋势，或者正如马斯克和他的团队所声称的那样，实际上由于应用程序中检测和限制此类更新的流程而减少了？

这是马斯克本周接受 BBC 采访时的争论焦点，马斯克通过 Twitter Spaces 进行了现场直播。 总的来说，将近两个小时的采访并没有提供任何新的见解——马斯克讨论了他在应用程序上的匆忙裁员以及削减成本以拯救公司的必要性，马斯克声称他的狗现在是 Twitter 的首席执行官，并表示 Twitter 可能会在几个月内实现收支平衡。

但仇恨言论及其对广告商的影响是一个明显的痛点，马斯克分享了这次交流，以强调他认为媒体围绕这一因素存在偏见。

当然，一个用户的个人经历并不能说明潜在问题的范围，如果有的话——尽管如前所述，马斯克和他的团队声称，自从他接管该应用程序以来，仇恨言论实际上已经大大减少了。

那是真的吗？ 再次，在恢复了这么多以前被禁止的帐户之后，其中许多帐户因违反平台的仇恨言论规则而被关闭，这个因素似乎不能减少。 那么，马斯克和他的公司是如何得出这些统计数据的——BBC 参考了哪些与仇恨内容增加相关的研究？

首先，关于外部研究，据报道，该研究表明仇恨言论有所增加。 正如在 BBC 采访中提到的，战略对话研究所 (ISD) 上个月发布了一项研究，该研究表明，在马斯克接管该应用程序后的三个月内，反犹太主义推文的数量增加了一倍多。

这与 Twitter 分享的图表完全不同——那么这里的差异是什么，为什么 ISD 的数据显示持续上升，而 Twitter 自己的数字反映下降？

在某些方面，你可以说这张图表中最大的峰值反映了 Twitter 数据所指向的同一事件，它声称这是机器人攻击的增加，旨在通过放大应用程序中的诽谤来诋毁马斯克的领导地位。

事实上，根据 ISD 的报告：

“我们还发现，发布仇恨言论的新账户激增，这与马斯克的接管有关。 在 10 月 27 日至 11 月 6 日期间，总共创建了 3,855 个发布至少一条反犹太推文的帐户。这比接管前同期的潜在仇恨帐户创建率高出三倍多。

这可能与 Twitter 对机器人的检测一致，而 ISD 也注意到 Twitter 现在正在删除更多内容：

“自接管以来，推特删除的反犹内容比例似乎有所增加，12% 的反犹推文随后无法收集，而接管前为 6%。 然而，这种删除率的潜在增长并没有跟上整体反犹太主义内容的增长步伐，因此与马斯克收购之前相比，平台上的仇恨言论仍然更容易获得。 ”

ISD 的调查结果也与反数字仇恨中心的类似数据相关，该数据发现，在马斯克接管该应用程序后不久，针对黑人和变性人的诽谤大幅增加，而仇恨言论的参与度也有所上升。

“在马斯克推出 Twitter 2.0之前的几周里，带有诽谤的帖子的平均点赞、回复和转发次数为 13.3 。 报告称，自收购以来，仇恨内容的平均参与度已跃升至 49.5。 ”

但同样，这些发现处于转变的早期阶段，Twitter 也承认这一点。 那么问题是自那以后情况发生了变化——如果 Twitter 正在努力减少对言论的限制，情况又发生了怎样的变化？

Twitter 发布的数据提供了一些额外的背景信息。 上个月，Twitter 发布了来自 Sprinklr 的新见解，进一步阐明了其遏制仇恨言论的努力，以及它如何计算其数据。

根据推特：

“Sprinklr 通过在细微差别的使用环境中评估诽谤来定义仇恨言论。 到目前为止，Twitter 对诽谤使用的潜在毒性采取了更广泛的观点。 为了量化仇恨言论，Twitter 和 Sprinklr 从 300 种最常见的英语语言诽谤开始。 我们不仅计算他们发布推文的频率，还计算他们被看到的频率（印象）。 我们的模型根据‘毒性’对诽谤推文进行评分，即它们构成仇恨言论的可能性。”

根据这种方法，大多数通过推文使用的诽谤实际上不是仇恨言论，某些术语在某些社区中的使用方式需要比简单的计数数据更细微的评估。 例如，在黑人社区中使用的术语可能不会被视为平衡的仇恨言论，但如果您使用关键字跟踪，则会被视为仇恨言论。

Twitter 声称其跟踪过程会考虑到这一点，而其他人不会，并且当以可恶的方式使用任何此类术语时，Twitter 会采取行动删除推文或限制其范围。

“Sprinklr 的分析发现，仇恨言论在每条推文中获得的印象比无毒的诽谤推文少 67%。 没有模型是完美的，这项工作永远不会完成。 我们将通过结合其他语言、新术语和更精确的方法来继续打击仇恨言论——同时提高透明度。”

本质上，Twitter 表示，根据这些外部研究，计算所有提及潜在诽谤的次数并不是衡量此类影响的有效方法，因为它不是提及本身，而是使用它们的上下文，随后，他们达到的范围。

如果没有将这些考虑因素纳入任何评估，它就不可能准确——这可以解释为什么 Twitter 的数据与通过第三方分析得出的结果有如此大的不同。

那是对的吗？ 嗯，如果没有完整的比较数据，很难说，但扩展的评估过程确实有意义，这可能意味着对此类术语的更多二元分析存在缺陷，至少在某种程度上是这样。

尽管如此，Twitter 在德国也因未能按照当地法规及时删除仇恨言论而面临数十亿美元的罚款，看看德国当局在这种情况下提供的具体例子将会很有趣。

因此，似乎仍然存在一些担忧——但 Twitter 所指的扩展背景，以及它为限制仇恨言论所做的更多努力，确实有一定道理。

随着时间的推移，我们无疑会获得更多这方面的数据，但总体情况确实比一些调查结果所暗示的更微妙。