Los investigadores han creado un modelo para predecir qué conversaciones civiles en línea podrían dar un giro y descarrilar.

Después de analizar cientos de intercambios entre editores de Wikipedia, los investigadores desarrollaron un programa de computadora que busca señales de advertencia en el idioma de los participantes al comienzo de una conversación, como preguntas repetidas, preguntas directas o el uso de la palabra "usted", para predecir cuál inicialmente las conversaciones civiles saldrían mal. (Nota del editor: para obtener información sobre el examen en línea, consulte el final de este artículo). (Prueba en línea "Adivina qué conversación va a salir mal": http://awry.infosci.cornell.edu/)

Los primeros intercambios que incluían saludos, expresiones de gratitud, coberturas como "parece" y las palabras "yo" y "nosotros" tenían más probabilidades de permanecer civilizadas, encontró el estudio.

"Hay millones de discusiones de ese tipo que tienen lugar todos los días, y no es posible controlarlas en vivo. Un sistema basado en este hallazgo podría ayudar a los moderadores humanos a dirigir mejor su atención ", dice Cristian Danescu-Niculescu-Mizil, profesor asistente de ciencias de la información en la Universidad de Cornell y coautor de el papel.

"Nosotros, como humanos, tenemos la intuición de si una conversación está a punto de salir mal, pero a menudo es solo una sospecha. No podemos hacerlo 100 por ciento del tiempo. Nos preguntamos si podemos construir sistemas para replicar o incluso ir más allá de esta intuición ", dice Danescu-Niculescu-Mizil.

El modelo de computadora, que también consideraba la Perspectiva de Google, una herramienta de aprendizaje automático para evaluar la "toxicidad", era correcta en 65 el porcentaje de veces. Los humanos supusieron correctamente 72 el porcentaje del tiempo.

Las personas pueden probar su propia capacidad para adivinar qué conversaciones se descarrilarán en una prueba en línea.

El estudio analizó las conversaciones 1,270 que comenzaron civilmente pero degeneraron en ataques personales, extraídos de 50 millones de conversaciones en 16 millones de páginas de "conversación" de Wikipedia, donde los editores discuten artículos u otros temas. Examinaron los intercambios por parejas, comparando cada conversación que terminó mal con una que tuvo éxito sobre el mismo tema, por lo que los resultados no fueron sesgados por temas sensibles como la política.

Los investigadores esperan que este modelo se pueda utilizar para rescatar conversaciones en riesgo y mejorar el diálogo en línea, en lugar de prohibir usuarios específicos o censurar ciertos temas. Algunos carteles en línea, como los hablantes no nativos de inglés, pueden no darse cuenta de que pueden ser percibidos como agresivos, y los empujones de dicho sistema podrían ayudarlos a autoajustarse.

"Si tengo herramientas que encuentran ataques personales, ya es demasiado tarde, porque el ataque ya ha sucedido y la gente ya lo ha visto", dice el coautor Jonathan P. Chang, estudiante de doctorado en Cornell. "Pero si entiendes que esta conversación va en una mala dirección y tomas medidas entonces, eso podría hacer que el lugar sea un poco más acogedor".

El documento, co-escrito con colaboradores adicionales en Jigsaw y la Fundación Wikimedia, formará parte de la reunión anual de la Asociación de Lingüística Computacional (2018 de julio) en Melbourne, Australia.

*****

Adivina qué conversación saldrá mal!

Instrucciones de la prueba en línea:

En esta tarea, se le mostrarán pares de conversaciones 15. Para cada conversación, solo verá los primeros dos comentarios en la conversación. Su trabajo es adivinar, basado en estos iniciadores de conversación, qué conversación es más probable que eventualmente conducir a un ataque personal de uno de los dos usuarios iniciales. 

Después de responder a cada pregunta, recibirá comentarios instantáneos sobre si su respuesta fue correcta (se indica con verde) o incorrecta (se indica con rojo).

Más detalles:

Al hacer su suposición, debe usar la siguiente definición de ataque personal como referencia:

A Ataque personal es un comentario grosero, insultante o irrespetuoso hacia una persona / grupo o hacia las acciones y / o el trabajo de esa persona / grupo.

Tenga en cuenta que no está buscando ataques personales en los comentarios que son mostrado. Por el contrario, debe utilizar su intuición de dinámica social para decidir qué intercambio es más probable que lleve a uno de los participantes a publicar un ataque personal (que no se muestra). 

A veces, podría parecer que ninguna de las dos citas puede conducir a un ataque, o que ambas parecen igualmente probables. Sin embargo, tenga en cuenta que las conversaciones de origen ya han sido anotadas por humanos, y una de ellas conduce a un ataque personal. ¡Haz tu mejor esfuerzo para 'recuperar' esas etiquetas existentes! 

Esta no es una tarea fácil, y podría tomar un par de minutos responder cada pregunta. Como esta es una tarea difícil, las primeras tres preguntas son preguntas de "calentamiento" que no afectarán su puntaje; están ahí para ayudarlo a "calibrar" su percepción de qué factores pueden indicar ataques futuros. Pero recuerda, tu tarea es recuperar tantas etiquetas como puedas. 

Debido a la naturaleza de la tarea, algunos de estos comentarios pueden contener contenido ofensivo. Lo sentimos acerca de eso.

Haga clic aquí para una prueba en línea.

Fuente: Cornell University

Libros relacionados

at InnerSelf Market y Amazon