Hostilité en ligne envers les politiciens britanniques : une plongée profonde

Ces dernières années, les réseaux sociaux sont devenus une plateforme populaire pour les politiciens au Royaume-Uni pour interagir avec le public. Ils utilisent des sites comme X (anciennement Twitter) pour dialoguer avec les électeurs, répondre à leurs questions et recevoir des retours. Mais cette transparence peut mener à une attention indésirable. Les politiciens se prennent souvent une vague de commentaires hostiles, que ce soit sur leur rôle professionnel ou leur identité personnelle, rendant les réseaux sociaux un peu une épée à double tranchant.

Cette Hostilité peut nuire aux politiciens et à la confiance du public dans le gouvernement. Certains commentaires sont tellement graves qu'ils peuvent inciter à la violence dans le monde réel. Donc, comprendre et adresser ce problème est crucial pour maintenir un discours politique sain.

#Le Dataset

Pour s'attaquer au problème de l'hostilité dans les commentaires en ligne visant les politiciens, des chercheurs ont créé un dataset contenant 3 320 Tweets collectés sur une période de deux ans. Ces tweets ont été soigneusement examinés et étiquetés selon leur degré d'hostilité envers les députés britanniques (MPs). De plus, le dataset inclut des détails sur les caractéristiques identitaires des cibles, comme la race, le genre et la religion.

Ce dataset n’est pas juste une collection de tweets aléatoires. Il vise à mettre en lumière le langage et les problèmes uniques qui surgissent dans les discussions Politiques au Royaume-Uni, qui peuvent être assez différents de ceux d'autres pays. Par exemple, des questions comme le Brexit sont particulièrement pertinentes au Royaume-Uni, et ce dataset le reflète.

#Pourquoi c'est important ?

Le besoin de ce type de dataset vient du langage spécifique utilisé dans l'hostilité politique. Les modèles existants pour détecter l'hostilité générale n'arrivent souvent pas à s'appliquer à des contextes politiques. Ils passent à côté des nuances du langage et de l'état d'esprit du public concernant les questions politiques, ce qui rend essentiel d'avoir une approche plus ciblée.

Sans cet effort ciblé, la confiance du public dans les institutions politiques pourrait continuer à s'éroder. Donc, créer et analyser ce dataset aide non seulement à classifier les tweets hostiles mais ouvre aussi la voie à de futures recherches pour comprendre les abus en ligne dans un contexte politique.

#Recherches Précédentes

Avant l'établissement de ce dataset, des études précédentes avaient exploré l'hostilité envers les politiciens, mais souvent de manière générale. Beaucoup de ces études se concentraient sur des incidents ou des tendances spécifiques plutôt que de fournir une analyse complète des questions de langage et d'identité en jeu.

Les recherches ont montré que les politiciennes et ceux issus de milieux minoritaires ont tendance à faire face à plus d'hostilité que leurs homologues. Des outils comme l'analyse de sentiment ont été utilisés pour mesurer le sentiment négatif en ligne, mais ils ne sont pas toujours efficaces dans le domaine politique.

Les datasets existants manquaient souvent d'étiquettes pour identifier la nature spécifique de l'hostilité. Certains se concentraient uniquement sur un type d'abus, comme l'islamophobie, tandis que d'autres incluaient un éventail plus large de discours haineux sans prêter attention aux caractéristiques identitaires.

#Méthodologie

#Collecte des Données

Les chercheurs ont utilisé l'API de Streaming de X pour rassembler les tweets liés aux députés sur deux ans. Ils ont suivi à la fois les tweets originaux des MPs et les réponses et retweets qui suivaient. Cette approche extensive a abouti à plus de 30 millions de tweets. Cependant, comme ce nombre était écrasant, les chercheurs ont dû échantillonner un sous-ensemble plus petit et gérable pour une analyse détaillée.

#Processus d'Échantillonnage

Pour assurer la diversité, les chercheurs ont choisi des tweets de 18 MPs représentant différentes Identités et partis politiques. Ils ont équilibré l'échantillon pour inclure à la fois des groupes identitaires minoritaires et majoritaires. L'échantillonnage s'est également concentré sur diverses périodes pour capturer différents contextes et événements.

Au total, 3 330 tweets ont été collectés pour étiquetage manuel. Les tweets ont été catégorisés selon leur hostilité, permettant aux chercheurs de créer une image plus claire du paysage des abus en ligne dirigés contre les MPs.

#Processus d'Annotation

Les chercheurs ont formulé des lignes directrices pour aider les annotateurs à classifier les tweets efficacement. Une série de séances de formation a assuré que tout le monde impliqué comprenne bien les définitions et les critères pour identifier l'hostilité avec précision. Les annotateurs travaillaient en équipes et étaient encouragés à consulter des ressources externes lorsqu'ils rencontraient un langage inconnu.

Trois annotateurs différents ont étiqueté chaque tweet, apportant un certain niveau de fiabilité au dataset. Ce processus d'annotation multiple a aidé à minimiser les erreurs et à garantir que les étiquettes étaient aussi précises que possible.

#Analyse des Tweets

#Modèles Linguistiques

Pour comprendre le langage utilisé dans les tweets hostiles, les chercheurs ont mené une analyse linguistique. Ils ont trouvé que les tweets hostiles contenaient souvent des termes et des phrases négatifs visant à discréditer les politiciens. Des mots comme "menteur," "corrompu," et "maléfiques" étaient particulièrement courants parmi les commentaires hostiles.

D'un autre côté, les tweets non hostiles avaient tendance à présenter des phrases positives. Au lieu d'insultes, ces tweets exprimaient souvent de la gratitude ou des retours constructifs, utilisant un langage qui respectait les normes sociales.

#Analyse Thématique

Les chercheurs ont également exploré les thèmes associés aux tweets hostiles et non hostiles. Ils ont identifié que de nombreux tweets étaient liés à des événements politiques en cours, comme le Brexit ou la gestion des soins de santé pendant la pandémie. Ce lien entre événements d'actualité et hostilité en ligne souligne comment certains enjeux peuvent exacerber la colère du public envers les politiciens.

#Identification de l'Hostilité

Les chercheurs ont utilisé le dataset pour entraîner des modèles à détecter l'hostilité dans les tweets. Cela impliquait deux tâches principales : d'abord, identifier si un tweet était hostile ou non, et ensuite, catégoriser le type d'hostilité basé sur des caractéristiques identitaires comme la race, le genre ou la religion.

Plusieurs modèles ont été testés pour voir lequel performait le mieux à identifier à la fois l'hostilité binaire (hostile vs. non-hostile) et les types d'hostilité multi-classes.

#Résultats

#Résultats de la Détection d'Hostilité

En analysant la performance des modèles, les chercheurs ont découvert que certains modèles, comme RoBERTa-Hate, étaient particulièrement efficaces pour détecter l'hostilité, atteignant un score macro F1 élevé. Il est devenu clair que les modèles entraînés sur le dataset avec des scores de confiance donnaient de meilleurs résultats que ceux entraînés sur des datasets précédents.

#Tendances dans l'Hostilité

Une tendance notable trouvée dans les données est que les politiciens issus de certaines origines identitaires, comme les femmes et ceux de races ou religions minoritaires, reçoivent souvent un volume plus élevé d'hostilité. Cela met en lumière l'intersection des différentes identités, où la combinaison race, genre et religion peut amplifier la quantité d'abus subis par les politiciens.

#Importance du Contexte

La recherche a également montré que le contexte dans lequel un tweet est envoyé joue un rôle significatif dans le langage utilisé. L'hostilité atteignait souvent son pic autour d'événements politiques importants, révélant la relation étroite entre le commentaire social et la politique.

#Conclusion

La création de ce dataset est un pas vers une meilleure compréhension et identification de l'hostilité en ligne visant les politiciens britanniques. Il met en lumière le besoin d'outils spécialisés pour s'attaquer efficacement à ce problème dans un contexte politique.

En se concentrant sur le langage et les caractéristiques identitaires impliquées dans les commentaires hostiles, les chercheurs peuvent obtenir des insights vitaux qui ouvrent la voie à de futures recherches visant à réduire les abus en ligne.

Alors, si seulement les MPs pouvaient avoir une peau plus épaisse, un sens de l'humour, et peut-être un bouclier numérique, ils pourraient survivre à la tempête des commentaires en ligne !