Covid-19:社交媒体上伊斯兰恐惧症信息传播的驱动因素是什么?

这个ESRC资助的项目旨在确定背后的驱动因素当前关于新冠病毒的阴谋论和种族主义“信息流行病”误解的氛围。

查看视频转录

研究人员

研究背景

在理解阴谋论和社交媒体网站上的错误传播是如何被用来制造Covid-19“信息大流行”方面,存在直接的差距。

这在穆斯林社区的背景下尤其重要,因为极右翼成员能够利用非理性的信仰和假新闻意识形态来兜售仇恨,这种叙事很快就能够渗透到主流并变得常态化。

例如,英国保卫联盟(English Defence League)前领导人汤米·罗宾逊(Tommy Robinson)在社交媒体网站Telegram上分享的一段视频显示,一群穆斯林男子离开伯明翰的一座秘密清真寺去祈祷。西米德兰兹郡警方揭穿了这段视频是假的,因为清真寺已经被关闭了。许多类似的例子表明,假新闻造成的恐惧日益紧张,以及此类信息的影响,有可能疏远社区,并可能产生真正重大的线下影响,使人们变得更加孤立。了解这种传播的驱动因素对于确保更有效和更值得信赖的媒体来源至关重要,在这些媒体来源中,复杂的信息可用于帮助决策者和广大公众。

研究的目的是

这项研究将通过丰富的经验数据来解决这一差距,这些数据可用于强调执法部门在面对在线阴谋论和离线攻击时应该做什么。这类信息的性质是它可以迅速传播,我们的项目将解决这一问题的驱动因素和肇事者,这对社交媒体公司、警察、政策制定者和其他关键利益相关者来说意义重大。当取消社交距离措施时,当前关于Covid-19的阴谋论和种族主义“信息流行病”误解的氛围可能会产生重大后果。

项目成果

由于社交媒体的性质,以及收集到的社交媒体评论和行为的范围,在我们确定触发事件时,这个项目将能够专注于国家问题。社交媒体评论提供的细节,包括在某些情况下的位置(在社交媒体评论、用户简介或评论元数据中都有明确的位置),将允许关注英国或整个国家的某些地区。这可能有助于跟踪和应对与Covid-19、极端内容和沟通错误相关的局部问题。

下载报告全文:

社交媒体上伊斯兰恐惧症信息传播的驱动因素是什么

推特上的Covid-19和伊斯兰恐惧症-用户类型学
推特上的新冠肺炎和伊斯兰恐惧症——专题分析
2021年大会
报告
研究一主要发现

我们最初的调查收集了与Covid-19有关的推文和YouTube评论,使用了与Covid-19相关的极端主义搜索词。收集了大约10万条推文/评论的样本。建立了不同程度的用户匿名性、邮费频率和会员资格长度对与Covid-19相关的极端主义和误解的影响。阅读研究1的主要发现。


研究二主要发现

我们的第二项研究利用了研究一的数据,或数据的子集,并应用了一种形式的内容分析。这项分析记录了用户的亲社会和反社会行为或行动(威胁、建议、赞美等),再次按匿名程度、邮资频率和会员期限进行细分。这项研究调查了这些因素对与Covid-19沟通不畅和极端主义有关的行动和行为的影响,而第一项研究则侧重于语言和情绪。阅读研究2的主要发现。


研究三主要发现

数据的一个较小子集被用于进行定性专题分析。这样就可以更深入、更详细地探索数据中的主题和模式。例如使用这些叙述,以及如何构建、讨论和证明与Covid-19相关的信息(或错误信息)。人们对它的反应,以及对揭穿错误信息和错误沟通的反应,都是这项研究的一部分。阅读我们研究3的主要发现。


研究四主要发现

在我们的最后一项研究中,我们使用了一系列案例研究,基于研究一到研究三中的数据和分析,探索在线上的沟通不畅与线下行为和后果之间的联系。特别是关于网络语言和Covid-19错误信息如何影响现实世界事件的证据。阅读我们研究4的主要发现。


摘要及建议

执行摘要强调了与我们的研究有关的主要发现和建议。其中一些关键点可以追溯到Covid-19期间针对穆斯林的语言和情绪,以及正在宣传的阴谋论。这也突出了我们的目标,即让社交媒体公司解决在这些穆斯林为目标的回音室中在线存在的阴谋论。阅读我们的执行摘要。

资源
是什么推动了社交媒体上的伊斯兰恐怖Covid阴谋?

不幸的是,在社交媒体上展示种族主义是一种太常见的现象,但我们的研究表明,反穆斯林仇恨犯罪的严重程度受到当地、国家和国际意义上的“触发”事件的影响。

例如,新冠肺炎导致了一些阴谋论,这些阴谋论专门将大流行的爆发归咎于穆斯林。但是,是什么推动了这些社交媒体阴谋呢?

研究人员分析了超过10万条推文和YouTube评论,发现即使是那些拥有可识别账户的人也在传播错误信息和伊斯兰恐惧症。

一些视频收到了关于穆斯林可能通过斋月等宗教节日传播新冠病毒的评论。评论还将穆斯林描述为病毒的超级传播者,尽管缺乏现实世界的证据支持这一点。

我们建议公司实现一个按钮,帮助用户报告错误信息,并阻止阴谋论的传播。

应该通过一项新的在线数字宪章,授权公司禁止在其平台上使用非人性化的语言。

通过提供检测和过滤有害网页的工具来告知用户,可以帮助阻止错误信息的传播。

Baidu