幕后揭秘：探讨网络反驳性言论写作的动机与障碍

《ACM Transactions on Computer-Human Interaction》：Behind the Counter: Exploring Motivations and Barriers of Online Counterspeech Writing

当前研究主要探讨在线反诘的动机与障碍，填补用户参与反诘行为的空白。通过调查458名美国英语使用者，分析其针对种族、性别、宗教等仇恨言论的反诘行为。研究发现：成为仇恨目标经历显著提升反诘频率，驱动因素包括支持亲友（61%）、议题关注（50%）和情绪发泄（38%），而人口特征（如年轻、女性、高教育）因恐惧公开、技能不足等障碍更少参与。同时，用户对AI工具如ChatGPT的接受度与使用经验相关，73%首次使用者因技能差距愿借助AI，但43%担心失去个人表达的真实性。

　　在线网络言论中的反仇恨言论（Counterspeech）作为一种应对网络仇恨的手段，近年来受到了广泛的关注。随着社交媒体平台的普及，网络仇恨和有害内容的传播变得越来越普遍，这使得反仇恨言论的重要性日益凸显。然而，尽管已有大量研究探讨了反仇恨言论的内容及其对社交媒体生态的影响，对于谁更倾向于参与反仇恨言论以及哪些因素促使或阻碍了用户的参与，仍然存在研究空白。本文通过调查458名美国英语使用者，分析了反仇恨言论参与的关键动机和障碍，同时探讨了用户对自身反仇恨言论的满意度、写作难度以及其效果的感知。此外，还研究了用户使用人工智能（如ChatGPT）辅助撰写反仇恨言论的意愿。通过这一研究，我们提出了一个用于理解反仇恨言论动机和障碍的多项目量表，并对影响网络反仇恨言论参与的复杂因素提供了更深入的见解。

研究背景表明，社交媒体平台不仅是信息传播的重要场所，同时也是仇恨言论、网络欺凌和骚扰的温床。尽管人工审核员和自动化系统在减少网络仇恨方面有所成效，但它们的局限性也显而易见。例如，删除或封禁用户有时不仅未能消除仇恨言论，反而可能将仇恨言论转移到监管较少的平台，这引发了关于如何更有效地应对网络仇恨的讨论。同时，一些学者指出，仅依赖技术手段可能无法完全解决仇恨言论的问题，因此，用户驱动的反仇恨言论成为一种重要的补充手段。例如，Megan Phelps-Roper的故事展示了反仇恨言论的潜力，她曾是极端组织Westboro Baptist Church的成员，但在面对网络仇恨时，通过与他人进行建设性的互动，最终改变了她的立场。这表明，反仇恨言论不仅仅是对仇恨言论的直接回应，还可能引发更深层次的改变。

然而，成功参与反仇恨言论并非易事。研究发现，不同群体在参与反仇恨言论时的动机和障碍存在差异。例如，年轻个体、女性、受过更高教育的用户以及经常目睹网络仇恨的用户更倾向于因担心公开曝光、报复和第三方骚扰而犹豫是否参与反仇恨言论。尽管如此，这些用户仍认为他们自己撰写的反仇恨言论更加有效和令人满意。这说明，尽管存在障碍，但用户仍然愿意参与反仇恨言论，特别是当他们认为自己的努力能够产生积极影响时。

此外，用户对反仇恨言论的感知也影响了他们是否愿意使用AI工具来辅助撰写。研究发现，那些之前使用过AI工具的用户更倾向于使用这些工具来撰写反仇恨言论，尤其是在他们认为自己缺乏足够的写作技能时。然而，对于那些希望捍卫自己或亲朋好友的用户来说，他们更不愿意使用AI工具，因为担心AI生成的内容缺乏个人情感和真实感。这种担忧反映了用户对AI生成内容的信任问题，即他们认为AI无法准确传达个人的情感和观点。因此，设计AI工具时，需要考虑用户对真实性和情感表达的需求，以确保工具既能提供支持，又不会削弱用户的个人参与感。

研究还发现，AI在反仇恨言论中的应用潜力巨大，但同时也存在局限性。AI能够快速处理大量数据，减轻人工审核员和用户的负担，但其在理解仇恨言论的细微差别和文化背景方面仍存在不足。此外，AI在区分隐含和显性仇恨言论方面也面临挑战，这可能导致误判或遗漏。因此，研究强调了人机协作的重要性，即AI工具应作为辅助手段，而不是替代人类的决策。通过结合AI的优势和人类的情感与文化理解，可以更有效地应对网络仇恨。

在方法论方面，研究采用了预注册的调查问卷，涵盖了反仇恨言论的动机和障碍，以及用户对AI工具的使用意愿。调查对象被随机分配三个来自900条仇恨言论的样本，这些样本涵盖了种族、性别、宗教、性取向和残疾等主题。随后，用户被要求撰写反仇恨言论，并回答关于满意度、写作难度和效果的后续问题。通过结构方程模型（SEM）和有序逻辑回归分析，研究揭示了不同因素如何影响用户参与反仇恨言论的频率、满意度、写作难度和效果。此外，还对用户对AI工具的态度进行了定性分析，以深入了解他们使用AI的动机和顾虑。

研究结果表明，用户是否曾被仇恨言论针对是影响他们参与反仇恨言论频率的关键因素。那些曾经遭受网络仇恨的用户更频繁地参与反仇恨言论，而那些没有被针对的用户则更可能出于信号归属感或对他人进行支持的动机而参与。此外，研究还发现，不同的人口统计学变量，如年龄、性别、教育水平和政治观点，对用户参与反仇恨言论的动机和障碍有显著影响。例如，年轻用户、女性和高学历用户更倾向于因担心公开曝光、报复和第三方骚扰而犹豫是否参与反仇恨言论，而年龄较大、政治倾向更自由的用户则更可能参与。这些发现为设计针对不同用户群体的反仇恨言论工具提供了理论依据。

在讨论部分，研究强调了反仇恨言论参与的动机和障碍之间的复杂关系。尽管用户普遍对社交媒体互动持保留态度，但那些曾经遭受网络仇恨的用户更可能积极介入。此外，研究还探讨了AI在反仇恨言论中的应用潜力，指出AI可以作为辅助工具，帮助用户撰写更有效和更有说服力的反仇恨言论。然而，用户对AI生成内容的信任度仍然较低，这可能影响其使用意愿。因此，未来的研究和设计需要在AI辅助工具中融入更多的用户反馈和情感支持，以增强用户的参与感和满意度。

研究的局限性包括样本选择可能存在的偏差，以及对反仇恨言论频率的测量可能受到主观理解的影响。此外，不同社交媒体平台的使用习惯可能影响用户的回答，因此研究中将其作为控制变量进行分析。尽管如此，这些发现仍然为理解反仇恨言论的动机和障碍提供了重要的见解，并为未来的技术干预和工具设计提供了指导。

综上所述，本文通过调查和分析，揭示了影响用户参与反仇恨言论的多种因素，并探讨了AI在这一过程中的潜在作用。研究不仅为学术界提供了新的视角，也为技术公司和政策制定者提供了实用的建议，以设计更有效的反仇恨言论工具和策略。未来的研究可以进一步探索这些因素在不同文化背景下的表现，以及如何通过技术手段更好地支持用户参与反仇恨言论，同时确保其真实性和情感表达。