唔……很简单的问题，武汉大学的学生（特别是女学生），在压迫肖同学上，完成了总动员。换句话说，现在的武汉大学，已经近似于等于激进的豆瓣小组，做出避雷合情合理。
首先，让我们从这条微博开始：
其实换个角度想，在武汉大学图书馆事件里，在微博上网暴肖同学的人里面，凑个90w人应该不难。那么是什么概念呢？就是即使假设前段时间发的赎罪券数据真实，也远低于武汉大学图书馆的烈度，因为是90w人对着一个弱势男性进行网暴。
然后我们可以再看看这条微博：
那么根据这两条微博的点赞，我们可以发现，对肖同学的压迫，其烈度几乎达到了和肥猫相同的等级。
那么动员的具体形式是什么呢？
我们可以看看WWW '18: Proceedings of the 2018 World Wide Web Conference在2018年4月的这篇文章，文章内容是网络上的社区互动与冲突。
用户自定义社区是许多网络平台的重要组成部分，用户可以在其中表达想法、观点并分享信息。这些社区不仅为同一社区成员之间的互动提供了聚集地，也促进了跨社区的互动。不过，社区互动可以是积极的，也可以是消极的。
研究通过 Reddit 的视角，对社区间的互动和冲突进行了大规模的观察。Reddit 是一个热门网站，用户在此创建并参与基于兴趣的社区（称为 subreddits）。我们分析了 40 个月的数据，其中包含来自 36,000 个社区的超过 1 亿用户的 18 亿条评论。
唔姆，如图所示，以上是Reddit 中的社区：每个节点代表一个社区。红色节点更容易引发冲突，而蓝色节点则不会。对较少的冲突发起社区（即红色）集中在这张 Reddit 社交图的三个密集区域。令人惊讶的是，在用户层面，我们发现虽然负面动员是由源社区中高度活跃的成员发起的，但负面动员的实际实施者却是活跃程度明显较低的用户。除此之外，一小部分社区是大多数负面动员的罪魁祸首：74% 的负面动员是由 1% 的源社区发起的。
唔姆，如图所示，以上是互动时间线。社区互动可分为三个阶段：（i）启动，从源社区到目标社区建立交联，（ii）互动，源社区成员与目标社区成员互动，（iii）长期影响，一些源社区成员可能留在目标社区，而一些目标社区成员可能会离开。
我们创建了两种 PageRank 算法变体，分别从攻击者和防御者的角度衡量信息流。通过这些衡量指标，我们发现负面动员的一个重要标志是回音室效应，参与者优先与其“家乡”社群的成员互动，即攻击者与其他攻击者交谈，防御者与其他防御者交谈。此外，我们发现攻击者倾向于单挑一小部分防御者并集体“围攻”。动员的影响。负面动员会对所涉及的用户和社群产生长期的负面影响。我们发现，负面动员会导致“殖民化”效应，即防御者减少对目标社群的参与，而攻击者则变得更加活跃。然而，基于我们对用户层面互动的分析，我们的研究结果提出了一种缓解这种不利结果的可能途径：我们发现，回音室效应的减弱（以攻击者和防御者之间互动的增加为标志）以及防御者对攻击者使用愤怒言语的增多，与殖民化率的下降和防御者未来参与率的提高相关。
首先识别动员的案例。我们将动员定义为交叉链接导致目标帖子讨论帖中当前源成员评论数量增加的情况。
唔姆，如图所示，以上是交叉链接后的目标帖子与匹配帖子中源成员的平均评论数量变化，仅限于交叉链接前评论数量相等的配对。交叉链接之后，两个帖子的评论数量都有所增加：平均而言，匹配帖子的交叉链接后评论数量是之前的 1.6 倍，而目标帖子主题帖数量增加了 8.8 倍。匹配主题帖的基线 1.6 倍增幅表明，在我们的零模型（即不考虑交联）下，源成员的评论数量预期会增加。
在这些社群中，哪些社群倾向于发起负面动员？它们又针对哪些社群呢？我们首先考察发起社区的特性。
我们发现，大多数负面动员都是由少数社区发起的——不到 0.1%和 1%的源社区分别造成了 38%和 74%的负面动员。这意味着这少数几个社区是用户负面动员的中心。
唔姆，如图所示，以上是负面动员帖子与社区成员的关系。通过检查交叉链接的创建者，我们发现，带有交叉链接的负面帖子是由在源社区中比其随机匹配用户活跃度高出 10% 的用户创建的。由于并非所有交叉链接都能引发动员，我们进一步发现，成功动员他人的用户比未动员他人的用户活跃度显著提高。因此，我们发现，源社区中高度活跃的成员是发起负面动员的主导者。在中性动员的情况下也观察到了类似的结果。
总体而言，我们发现负面动员是由少数攻击高度相似社区的社区发起的。虽然这些互动是由源社区的高度活跃用户发起的，但实际被动员参与负面动员的攻击者和防御者却远不如他们活跃。
除此之外，我们还可以关注这个问题，攻击者和防御者之间是互相交流，还是各自创建了各自的“泡泡”，与其他类似的用户交流，从而产生类似回音室的效果？
唔姆，如图所示，负面动员过程中会形成回音室。我们发现，攻击者的 A-PageRank 值明显更高，这意味着他们更有可能在随机游走中被其他攻击者访问；而防御者的 D-PageRank 值则明显更高。因此，我们发现，在负面动员期间，讨论主题似乎呈现出攻击者和防御者之间的分歧，成员主要与来自其“家乡”社区的其他成员交谈。
总体而言，我们发现负面动员会导致目标讨论中出现回音室效应，攻击者主要与其他攻击者对话，防御者也与其他防御者对话。但每当他们互相交谈时，都会交换极其愤怒的评论。此外，我们的分析表明，攻击者倾向于“联合起来”攻击一些防御用户，而其他防御用户则不会与攻击者互动。
唔姆，如图所示，以上是负面动员的影响。我们测量了负面动员结束后攻击者和防御者在目标社区中发表评论的比例的变化。正向变化表示目标社区的参与度增加。我们发现，在负面动员之后，攻击者在目标社区中发帖的频率更高，而防御者发帖的频率更低，这表明负面动员通常会导致“殖民化”，即攻击社区的成员成为目标社区的正式成员。这种殖民化可能会对目标社区造成进一步的不利影响，因为这些新用户通常比平均水平更愤怒，并且倾向于违反社区规范。
唔姆，如图所示，以上是：(a) 我们数据中两个真实目标帖子的回复网络，展示了成功和失败防御网络之间的关键特征差异。在失败的防御中，攻击者会“联手”攻击防御者，而在成功的防御中，防御者会直接与攻击者交战。在成功的防御中：(b) 防御者对攻击者的回复更多，(c) 防御者的 A-PageRank 更高，(d) 攻击者的 D-PageRank 更高，以及 (e) 防御者在回复攻击者时使用更多愤怒的言语。
我们发现，在防御成功时，防御者对攻击者使用的愤怒词汇比攻击者对防御者使用的愤怒词汇更多；而在防御失败时，双方对彼此的愤怒程度相同。这表明，在防御成功的情况下，防御者对攻击者的攻击性更强。[1]
那么回到这个问题，我们可以发现，以杨景媛为代表的学生群体对肖同学的攻击，完美符合动员的过程。
第一阶段，社区启动，杨景媛发动整个武汉大学的大量学生对肖同学进行围攻。
第二阶段，杨景媛的支持者和肖同学“友好互动”，并且进行了大量造谣，导致肖同学家破人亡。
第三阶段，杨景媛和支持者几乎完成了目标，心满意足地离开。
那么后面的防御为什么成功了呢？因为经过这几年的动员，男性的攻击性也普遍上来了，在这次的反转里，大量的男性参与了对肖同学的支持。
除此之外，我们可以从2023年月，PNAS nexus的一篇文章出发，去说明仇恨言论与回声室的关系。
然后，实验分析了三个流行的在线社交网络中超过 680 万用户的超过 3200 万条帖子，以调查仇恨行为、信息传播和回声室介导的两极分化组织之间的相互关系。与挑出仇恨内容相比，核心账号在控制信息传播方面发挥着更重要的作用。这一观察结果既适用于信息级联的增长，也适用于仇恨行为者的聚集。剖析这些网络的核心分布表明，仇恨用户在社交网络中获得了更紧密的联系，并且经常聚集在一起建立信息级联。我们观察到这种凝聚力不仅仅是有组织的行为；相反，在这些网络中，仇恨者主宰了回音室——用户群体积极地与特定的意识形态立场保持一致。观察到的仇恨用户在扩大信息级联方面的主导地位主要是通过在这些回声室内放大的用户交互。
三个社交网络分别为Reddit、Twitter 和 Gab。如果社交网络中的一组用户表现出同质性和选择性地接触观点，则可以说他们形成了一个回声室。
唔呣，如图所示，以上源自不同仇恨的帖子（图 A、D、G）与来自具有不同仇恨的用户的帖子（图 B、E、H）的级联的体积密度分布；对于x轴上给定的级联体积值，相应的y值表示与该体积对应的级联密度。对于所有三个网络，来自极度仇恨用户的帖子更有可能产生更大的级联。进一步分析源自基于仇恨帖子的仇恨用户的级联体积分布（图 C、F、I），类别 1表示来自低仇恨用户的非仇恨帖子，类别 2表示来自低仇恨用户的高仇恨帖子，类别 3表示来自高仇恨用户的非仇恨帖子，类别 4表示来自高仇恨用户的高仇恨帖子。在所有这三个网络中，高度仇恨的用户发布的低仇恨内容往往会滋生最大的级联。
这句话是什么意思呢？一个人的观点如果非常极端，但懂得善于隐藏自己，那么这个人的观点往往会得到最多数人的传播。
除此之外，还有一个很重要的问题：
用户的仇恨系数独立于用户属性吗？很明显，答案是肯定的。
事实上，用户的仇恨洗漱和其所处的社交网络高度相关。
具备高度仇恨的用户作为回声室的中心节点，然后仇恨行为者围绕在其周边。
唔呣，如图所示，以上为不同核心数的用户仇恨分布（核心数越高，节点的连通性越大）。对于所有三个网络，具有更高核心价值的用户越来越仇恨，这意味着高度仇恨的用户与社交网络中的其他节点建立了更大的联系。底部的图为参与由低仇恨用户与高仇恨用户发起的级联的（高和中）仇恨用户的比例。在仇恨用户之间观察到显着的亲和力，表明他们之间可能存在凝聚力。
唔呣，如图所示。回音室可以放大煽动仇恨者的信息传播潜力。对于每个网络，A、C和E图显示高仇恨源用户属于或不属于任何回声室时，其级联体积的密度分布。总体而言，回音室用户主要参与来自高度仇恨用户的大部分高容量级联。B、D和F比较由来自其他成员和非成员的高仇恨回声室成员引起的级联中的相互作用的比例，其中，回声室用户更有可能参与由回声室成员发起的级联。
概括一下，就是回声室用户在仇视某个群体的共同认知下，在高仇恨用户的带领下，形成负面情绪极强的回声室。[2]
那么回到这个问题，我们可以发现，在杨景媛的动员下，武汉大学充满了对“肖同学”的仇恨，如果将这种仇恨带入到工作，那么招聘武汉大学学生，特别是女学生的企业很大概率会陷入风波。因此，拒绝招聘武汉大学的学生，此时是无可奈何的明智之举。
参考
- ^Srijan Kumar, William L. Hamilton, Jure Leskovec, and Dan Jurafsky. 2018. Community Interaction and Conflict on the Web. In Proceedings of the 2018 World Wide Web Conference (WWW '18). International World Wide Web Conferences Steering Committee, Republic and Canton of Geneva, CHE, 933–943. https://doi.org/10.1145/3178876.3186141
- ^A Measurement Study of Hate Speech in Social Media；Mainack Mondal，Leandro Araújo Silva and Fabrício Benevenuto；Proceedings of the 28th ACM Conference on Hypertext and Social MediaJuly 2017 Pages 85–94