不要錯過明天的社交媒體行業新聞

圍繞埃隆馬斯克接管 Twitter 的主要擔憂之一是人們認為過去有關仇恨言論、錯誤信息和其他相關因素的規定有所放鬆。

馬斯克強烈支持允許各種言論，無論是否個人反感，他監督了數万個先前被 Twitter 管理層禁止的賬戶的恢復，同時他還取消了旨在遏制 COVID 錯誤信息的限制，取消了警告標籤關於中國和俄羅斯官方媒體的內容，同時他本人也在向他的 1.34 億粉絲宣傳各種陰謀論。

據報導，由於擔心與仇恨言論和冒犯性材料的潛在關聯，許多 Twitter 廣告商都避開了這些變化——但仇恨言論實際上在 Twitter 2.0 上呈上升趨勢，或者正如馬斯克和他的團隊所聲稱的那樣，實際上由於應用程序中檢測和限制此類更新的流程而減少了？

這是馬斯克本週接受 BBC 採訪時的爭論焦點，馬斯克通過 Twitter Spaces 進行了現場直播。 總的來說，將近兩個小時的採訪並沒有提供任何新的見解——馬斯克討論了他在應用程序上的匆忙裁員以及削減成本以拯救公司的必要性，馬斯克聲稱他的狗現在是 Twitter 的首席執行官，並表示 Twitter 可能會在幾個月內實現收支平衡。

但仇恨言論及其對廣告商的影響是一個明顯的痛點，馬斯克分享了這次交流，以強調他認為媒體圍繞這一因素存在偏見。

當然，一個用戶的個人經歷並不能說明潛在問題的範圍，如果有的話——儘管如前所述，馬斯克和他的團隊聲稱，自從他接管該應用程序以來，仇恨言論實際上已經大大減少了。

那是真的嗎？ 再次，在恢復了這麼多以前被禁止的帳戶之後，其中許多帳戶因違反平台的仇恨言論規則而被關閉，這個因素似乎不能減少。 那麼，馬斯克和他的公司是如何得出這些統計數據的——BBC 參考了哪些與仇恨內容增加相關的研究？

首先，關於外部研究，據報導，該研究表明仇恨言論有所增加。 正如在 BBC 採訪中提到的，戰略對話研究所 (ISD) 上個月發布了一項研究，該研究表明，在馬斯克接管該應用程序後的三個月內，反猶太主義推文的數量增加了一倍多。

這與 Twitter 分享的圖表完全不同——那麼這裡的差異是什麼，為什麼 ISD 的數據顯示持續上升，而 Twitter 自己的數字反映下降？

在某些方面，你可以說這張圖表中最大的峰值反映了 Twitter 數據所指向的同一事件，它聲稱這是機器人攻擊的增加，旨在通過放大應用程序中的誹謗來詆毀馬斯克的領導地位。

事實上，根據 ISD 的報告：

“我們還發現，發布仇恨言論的新賬戶激增，這與馬斯克的接管有關。 在 10 月 27 日至 11 月 6 日期間，總共創建了 3,855 個發布至少一條反猶太推文的帳戶。這比接管前同期的潛在仇恨帳戶創建率高出三倍多。

這可能與 Twitter 對機器人的檢測一致，而 ISD 也注意到 Twitter 現在正在刪除更多內容：

“自接管以來，推特刪除的反猶內容比例似乎有所增加，12% 的反猶推文隨後無法收集，而接管前為 6%。 然而，這種刪除率的潛在增長並沒有跟上整體反猶太主義內容的增長步伐，因此與馬斯克收購之前相比，平台上的仇恨言論仍然更容易獲得。 ”

ISD 的調查結果也與反數字仇恨中心的類似數據相關，該數據發現，在馬斯克接管該應用程序後不久，針對黑人和變性人的誹謗大幅增加，而仇恨言論的參與度也有所上升。

“在馬斯克推出 Twitter 2.0之前的幾周里，帶有誹謗的帖子的平均點贊、回復和轉發次數為 13.3 。 報告稱，自收購以來，仇恨內容的平均參與度已躍升至 49.5。 ”

但同樣，這些發現處於轉變的早期階段，Twitter 也承認這一點。 那麼問題是自那以後情況發生了變化——如果 Twitter 正在努力減少對言論的限制，情況又發生了怎樣的變化？

Twitter 發布的數據提供了一些額外的背景信息。 上個月，Twitter 發布了來自 Sprinklr 的新見解，進一步闡明了其遏制仇恨言論的努力，以及它如何計算其數據。

根據推特：

“Sprinklr 通過在細微差別的使用環境中評估誹謗來定義仇恨言論。 到目前為止，Twitter 對誹謗使用的潛在毒性採取了更廣泛的觀點。 為了量化仇恨言論，Twitter 和 Sprinklr 從 300 種最常見的英語語言誹謗開始。 我們不僅計算他們發布推文的頻率，還計算他們被看到的頻率（印象）。 我們的模型根據‘毒性’對誹謗推文進行評分，即它們構成仇恨言論的可能性。”

根據這種方法，大多數通過推文使用的誹謗實際上不是仇恨言論，某些術語在某些社區中的使用方式需要比簡單的計數數據更細微的評估。 例如，在黑人社區中使用的術語可能不會被視為平衡的仇恨言論，但如果您使用關鍵字跟踪，則會被視為仇恨言論。

Twitter 聲稱其跟踪過程會考慮到這一點，而其他人不會，並且當以可惡的方式使用任何此類術語時，Twitter 會採取行動刪除推文或限制其範圍。

“Sprinklr 的分析發現，仇恨言論在每條推文中獲得的印像比無毒的誹謗推文少 67%。 沒有模型是完美的，這項工作永遠不會完成。 我們將通過結合其他語言、新術語和更精確的方法來繼續打擊仇恨言論——同時提高透明度。”

本質上，Twitter 表示，根據這些外部研究，計算所有提及潛在誹謗的次數並不是衡量此類影響的有效方法，因為它不是提及本身，而是使用它們的上下文，隨後，他們達到的範圍。

如果沒有將這些考慮因素納入任何評估，它就不可能準確——這可以解釋為什麼 Twi​​tter 的數據與通過第三方分析得出的結果有如此大的不同。

那是對的嗎？ 嗯，如果沒有完整的比較數據，很難說，但擴展的評估過程確實有意義，這可能意味著對此類術語的更多二元分析存在缺陷，至少在某種程度上是這樣。

儘管如此，Twitter 在德國也因未能按照當地法規及時刪除仇恨言論而面臨數十億美元的罰款，看看德國當局在這種情況下提供的具體例子將會很有趣。

因此，似乎仍然存在一些擔憂——但 Twitter 所指的擴展背景，以及它為限制仇恨言論所做的更多努力，確實有一定道理。

隨著時間的推移，我們無疑會獲得更多這方面的數據，但總體情況確實比一些調查結果所暗示的更微妙。