La complessità dei ruoli nel cyberbullismo
Esaminare i diversi ruoli che le persone hanno negli episodi di cyberbullismo online.
― 6 leggere min
Indice
Il Cyberbullismo sta diventando un problema significativo man mano che sempre più persone usano i social media e i dispositivi di edge computing. La maggior parte degli studi categorizza le persone in queste situazioni come vittime, bulli o Spettatori. Tuttavia, questa semplice classificazione non riesce a catturare la complessità delle interazioni nei casi di cyberbullismo. Per migliorare la consapevolezza e le strategie di intervento, abbiamo bisogno di identificare Ruoli più specifici che le persone svolgono durante questi eventi.
La Necessità di Ruoli Fini
La ricerca attuale si concentra spesso sui tre ruoli principali nel cyberbullismo: la Vittima, il carnefice e il testimone. Sebbene questi ruoli forniscano un quadro di base, non tengono conto delle varie modalità con cui le persone agiscono e reagiscono in situazioni diverse. Guardando più da vicino al comportamento delle persone, possiamo identificare ruoli aggiuntivi che riflettono meglio ciò che accade in scenari reali.
Identificare questi ruoli più fini può aiutare a capire come il cyberbullismo si sviluppa e cambia nel tempo. Può anche assistere nella formulazione di interventi specifici adattati ai comportamenti unici di ogni categoria.
Obiettivi dello Studio
Questo studio ha come obiettivo rispondere a diverse domande chiave:
- Quali ruoli diversi esistono durante gli incidenti di cyberbullismo sulle piattaforme di social media?
- Come cambia il numero di persone in ogni ruolo attraverso vari scenari di cyberbullismo?
- Quali fattori influenzano la distribuzione dei ruoli in queste situazioni?
Per rispondere a queste domande, abbiamo sviluppato un nuovo metodo per identificare i ruoli basato su caratteristiche e comportamenti specifici associati a ciascun ruolo.
Raccolta Dati
Abbiamo raccolto dati da una popolare piattaforma di social media, concentrandoci su diversi casi reali che hanno attirato una significativa attenzione pubblica. Il dataset include oltre 1,47 milioni di commenti di più di 3.000 utenti in dieci diverse situazioni di cyberbullismo. Ogni caso presenta un contesto unico, comprese varie tematiche come sport, intrattenimento e questioni etiche.
Metodologia di Identificazione dei Ruoli
Per identificare i ruoli in modo efficace, abbiamo impiegato un approccio di modellazione delle caratteristiche a più livelli. Questo metodo considera tre categorie principali di caratteristiche:
Caratteristiche Basate sul Contenuto: Queste includono parole chiave e frasi nei commenti che indicano comportamenti di bullismo, come linguaggio offensivo e attacchi personali.
Caratteristiche Basate sul Sentimento: Questo implica analizzare il tono emotivo dei commenti, classificandoli come positivi, negativi o neutri.
Caratteristiche Basate sull'Utente: Questo guarda al background degli utenti, come le loro demografie e attività online precedenti, che possono aiutare a prevedere il loro ruolo in un incidente di cyberbullismo.
Dopo aver modellato queste caratteristiche, abbiamo utilizzato un algoritmo statistico noto come K-means assistito da evoluzione differenziale (DEK) per suddividere gli utenti in diversi ruoli. Questo metodo aiuta a evitare trappole comuni nelle tecniche di clustering, come cadere in trappole di ottimizzazione locale, utilizzando un approccio più dinamico per identificare i cluster.
I Ruoli Identificati
Attraverso la nostra analisi, abbiamo identificato nove ruoli distinti che gli utenti possono assumere durante incidenti di cyberbullismo:
Carnefice Zelo: Individui che insultano aggressivamente gli altri e mostrano emozioni estreme.
Amplificatore di Ulteriore Escalation: Utenti che amplificano commenti negativi, rendendoli più diffusi.
Carnefice Controllato Emotivamente: Coloro che usano un linguaggio negativo ma non perdono completamente il controllo delle loro emozioni.
Spettatore Incoraggiante: Individui di supporto che offrono parole positive alle vittime.
Spettatore Esagerato e Incendiario: Utenti che abbelliscono negativamente la narrazione, cercando di esacerbare la situazione.
Osservatore Calmo Analitico: Persone che analizzano la situazione senza passioni e forniscono intuizioni razionali.
Spettatore che Incontra Aspettative Popolari: Utenti che adottano commenti basati sul sentimento pubblico prevalente.
Carnefice con uno Scopo: Individui i cui commenti riflettono il loro comportamento storico, spesso allineato con l'evento attuale.
Spettatore Simpatico: Coloro che esprimono simpatia verso le vittime piuttosto che partecipare al bullismo.
Dinamiche dei Ruoli nel Tempo
La distribuzione di questi ruoli varia spesso a seconda dell'evento specifico e del suo contesto. In alcuni scenari, ruoli negativi come i carnefici zelo possono dominare, mentre in altri, gli spettatori di supporto possono prevalere. Analizzare come questi ruoli cambiano nel tempo può fornire intuizioni sulla natura in evoluzione del cyberbullismo e sull'efficacia dei possibili interventi.
Ad esempio, in un incidente di cyberbullismo legato a una figura sportiva, abbiamo osservato che il numero di carnefici zelo è aumentato bruscamente dopo una sconfitta importante della squadra. Al contrario, durante un caso più sfumato che coinvolge relazioni personali, il numero di osservatori calmi analitici è aumentato mentre le persone cercavano di capire meglio la situazione.
Fattori che Influenzano la Distribuzione dei Ruoli
Diversi fattori impattano la distribuzione dei ruoli negli incidenti di cyberbullismo:
Tipo di Argomento: Diversi argomenti attirano differenti demografie. Ad esempio, gli argomenti sportivi coinvolgono spesso più utenti maschili, mentre le discussioni sull'intrattenimento possono attrarre un pubblico femminile più ampio.
Intervento Ufficiale: La presenza di forze dell'ordine o dichiarazioni ufficiali può alterare considerevolmente la percezione pubblica e la distribuzione dei ruoli. Nei casi con il coinvolgimento della polizia, il numero di carnefici zelo può diminuire.
Standard Etici: Situazioni che violano le norme sociali spesso suscitano reazioni più forti dagli utenti, aumentando il numero di carnefici zelo.
Colpa Soggettiva della Vittima: Se si percepisce che la vittima ha commesso un errore, questo può provocare reazioni negative più forti dagli utenti.
Percezione Pubblica Storica delle Vittime: Il comportamento passato delle vittime può influenzare come le persone rispondono a loro durante incidenti di cyberbullismo. Una vittima precedentemente vista in modo positivo può suscitare più simpatia di una con una storia controversa.
Analisi e Risultati
Dopo aver analizzato i dati, abbiamo osservato schemi distinti nella distribuzione dei ruoli attraverso i dieci scenari. Ad esempio, in un caso che coinvolge le dimissioni di un allenatore, i ruoli negativi erano prevalenti, con molti utenti che esprimevano rabbia e colpa. Al contrario, in una situazione in cui una madre ha lottato per la giustizia per il suo bambino defunto, la maggior parte degli utenti mostrava simpatia e supporto.
Questi risultati illustrano che scenari diversi evocano risposte emotive e comportamenti variabili negli utenti. Comprendere le sfumature di queste risposte può informare strategie per mitigare gli effetti del cyberbullismo.
Direzioni Future
I nostri risultati offrono una comprensione completa delle complesse dinamiche dei ruoli nel cyberbullismo in ambienti di edge computing. C'è potenziale per ulteriori ricerche per perfezionare i nostri metodi di identificazione dei ruoli ed esplorare l'impatto di vari interventi.
In futuro, applicare questo quadro su diverse piattaforme di social media ed espandere i dataset potrebbe migliorare la nostra comprensione del cyberbullismo. Inoltre, sviluppare strumenti di identificazione dei ruoli in tempo reale per dispositivi mobili potrebbe consentire agli utenti di gestire meglio le loro interazioni online.
Conclusione
Questo studio sottolinea l'importanza di riconoscere i diversi ruoli che gli individui svolgono nei contesti di cyberbullismo. Comprendendo questi ruoli e le loro dinamiche, possiamo migliorare le strategie di intervento e promuovere ambienti online più sani. L'identificazione di nove ruoli distinti fornisce una base per ulteriori ricerche sul comportamento del cyberbullismo e il suo impatto sulle comunità dei social media.
Man mano che il nostro mondo digitale continua ad evolversi, adattare i nostri approcci per combattere il cyberbullismo sarà cruciale per promuovere un'esperienza online sicura e di supporto per tutti gli utenti.
Titolo: Role Identification based Method for Cyberbullying Analysis in Social Edge Computing
Estratto: Over the past few years, many efforts have been dedicated to studying cyberbullying in social edge computing devices, and most of them focus on three roles: victims, perpetrators, and bystanders. If we want to obtain a deep insight into the formation, evolution, and intervention of cyberbullying in devices at the edge of the Internet, it is necessary to explore more fine-grained roles. This paper presents a multi-level method for role feature modeling and proposes a differential evolution-assisted K-means (DEK) method to identify diverse roles. Our work aims to provide a role identification scheme for cyberbullying scenarios for social edge computing environments to alleviate the general safety issues that cyberbullying brings. The experiments on ten real-world datasets obtained from Weibo and five public datasets show that the proposed DEK outperforms the existing approaches on the method level. After clustering, we obtained nine roles and analyzed the characteristics of each role and their evolution trends under different cyberbullying scenarios. Our work in this paper can be placed in devices at the edge of the Internet, leading to better real-time identification performance and adapting to the broad geographic location and high mobility of mobile devices.
Autori: Runyu Wang, Tun Lu, Peng Zhang, Ning Gu
Ultimo aggiornamento: 2024-08-06 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2408.03502
Fonte PDF: https://arxiv.org/pdf/2408.03502
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.