Characterizing Online Toxicity During the 2022 Mpox Outbreak: A Computational Analysis of Topical and Network Dynamics

要約

背景:嫌がらせ、いじめ、ヘイトスピーチ、誤った情報の拡散などの行為を含むオンラインの有害性は、デジタル時代における差し迫った社会的懸念となっています。
2022 年の Mpox の流行は、当初は「モンキー痘」と呼ばれていましたが、その後、関連する偏見や社会的懸念を軽減するために名前が変更されましたが、この問題の痛ましい背景となっています。
目的: この研究では、2022 年の Mpox 流行を巡る有害なオンライン言説の包括的な分析を行います。
私たちの目的は、その起源を分析し、その性質と内容を特徴づけ、その普及パターンを追跡し、その広範な社会的影響を評価することであり、将来の危機においてそのような毒性を軽減する戦略に情報を提供できる洞察を提供することを目標としています。
方法: 160 万件を超えるユニークなツイートを収集し、コンテキスト、範囲、内容、発言者、意図を含む 5 つの側面から分析しました。
BERT ベースのトピック モデリングとソーシャル ネットワーク コミュニティ クラスタリングを利用して、Twitter 上の有害なダイナミクスを描写しました。
結果: Twitter 上の有害なオンライン言説の中で、病気 (46.6%)、医療政策とヘルスケア (19.3%)、同性愛嫌悪 (23.9%)、政治 (6.0%)、人種差別 (4.1%) を含む 5 つの高レベルのトピック カテゴリを特定しました。
%)。
メンション、リツイート、トップユーザーによる毒性拡散ネットワークを通じて、有害なコンテンツのリツイートが広範囲に行われている一方で、影響力のあるユーザーがリツイートを通じてこの毒性に関与したり、それに対抗したりすることはほとんどないことがわかりました。
結論: 話題の動向を追跡することで、オンラインでの有害なコンテンツの人気の変化を追跡し、社会的課題をより深く理解できるようになります。
ネットワークのダイナミクスは、主要なソーシャル メディア インフルエンサーとその意図に焦点を当てており、有害な議論の中でこれらの中心人物に言及することで、危機コミュニケーションを強化し、政策決定に情報を提供できることを示しています。

要約(オリジナル)

Background: Online toxicity, encompassing behaviors such as harassment, bullying, hate speech, and the dissemination of misinformation, has become a pressing social concern in the digital age. The 2022 Mpox outbreak, initially termed ‘Monkeypox’ but subsequently renamed to mitigate associated stigmas and societal concerns, serves as a poignant backdrop to this issue. Objective: In this research, we undertake a comprehensive analysis of the toxic online discourse surrounding the 2022 Mpox outbreak. Our objective is to dissect its origins, characterize its nature and content, trace its dissemination patterns, and assess its broader societal implications, with the goal of providing insights that can inform strategies to mitigate such toxicity in future crises. Methods: We collected more than 1.6 million unique tweets and analyzed them from five dimensions, including context, extent, content, speaker, and intent. Utilizing BERT-based topic modeling and social network community clustering, we delineated the toxic dynamics on Twitter. Results: We identified five high-level topic categories in the toxic online discourse on Twitter, including disease (46.6%), health policy and healthcare (19.3%), homophobia (23.9%), politics (6.0%), and racism (4.1%). Through the toxicity diffusion networks of mentions, retweets, and the top users, we found that retweets of toxic content were widespread, while influential users rarely engaged with or countered this toxicity through retweets. Conclusions: By tracking topical dynamics, we can track the changing popularity of toxic content online, providing a better understanding of societal challenges. Network dynamics spotlight key social media influencers and their intents, indicating that addressing these central figures in toxic discourse can enhance crisis communication and inform policy-making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google