71个回答

如何看待特朗普当选后,一些美国女性剃光头加入「4B 运动」?

小鹿蓝蓝
879个点赞 👍

说一个特朗普上台后,对国内性别矛盾的影响:

简单一点说,就是该全女社区app,在特朗普上台后,也就是上任的那个时间点宣布倒闭。

回到这个问题,综合来说,无论是特朗普的上台,还是万斯那句名言,对消减国内的性别矛盾,还是有正面影响的。

回到这个问题,4B运动即:不结婚、不生育、不约会、不发生性行为,而后面加入的3B,指的是不看男性、不听男性说话、不回应男性,那么缺少了什么呢?没错,她们唯独没有说不接受男性的任何付出。

但我觉得,万斯是在基于美国的现状,才有了自己的判断,但国内情况和美国不同,“无孩爱猫”在国内还有失偏颇,用正确的话说,应该是“恨童爱猫”更为准确。我们可以参考以下案例:

当然还有合订本:

那么,“无孩爱猫”具体有什么影响呢?我们可以看看PNAS Nexus在2024年5月的这篇文章。

首先,文章通过上层路径检测话语社区,下层路径检测新闻参与社区的模式检测回声室的浓度。

回音室中的用户是拥有共同话语、接触相同新闻来源和接触相同观点的用户。接触相同观点,在 Twitter上,意味着他们会互相转发。

唔姆,如图所示,A图表示平均聚类系数在仅限于FDI-L-MEDIA(包括意大利政党 Fratelli D'Italia 和 Lega)用户的转发网络的最大弱连通分量上测量,并测量所有属于回声室的用户。B)图表示在每个回声室上计算的平均聚类系数。我们从A图可以发现,所有回声室的用户数量虽然只有1.5%左右,但聚类系数相当于整个社区的三倍以上。

聚类系数值高意味着账户之间联系紧密,经常互相转发。因此,我们可以得出结论,他们的代言活动有助于强化他们的观点。通过对近两年后用户在回音室中分享的内容进行人工检查,证实了这一结论。而强化观点,很多时候往往会开始传播虚假信息。

唔姆,如图所示,以上表示整个数据集和每种类型的用户社区中指向标记为“可信”(T)、“不可信”(N)或“未分类”(UNC)的新闻出版商的不同 URL 数量。我们可以发现,虽然整个数据集中不受信任和受信任 URL 之间的比率约为 0.5,但回声室的比率几乎相反:不可信新闻源的频率几乎是可信新闻源的两倍。将传播可视化,下图可以作为不可信信息传播的可视化图:

为了更深入地调查单个社区内部URL的可信度标签的同质性水平,考虑其中可信和不可信的url来源的频率。对于URL NECs的i-社区,如果R是可信度值,此时定义purityR(URL NECi)为来自R域的URL的频率,即

\text { purity }_R\left(\mathrm{URL} \mathrm{NEC}_i\right)=\frac{\left|U_i^R\right|}{\left|U_i\right|},

称为回声室的纯度,某种程度说也可以认为是饭圈浓度。

唔姆,如图所示,以上是回声室的纯度对比。不难发现,不可信任信息的纯度比可信任信息的纯度要高。因此,回声室的浓度,和传播虚假信息的频率高度相关。[1]

那么如何判断回声室浓度呢?以微博为例,一个简单的办法就是看“内外赞比例”:

首先先明白一个概念,什么是微博外赞,什么是微博内赞?

如图所示,微博的大拇指为外赞,微博的爱心为内赞。在这之中,很明显的是,从各项参数上看,很明显伪造总赞数量最容易。因为外赞每条微博只能点一个,内赞可以点十几个,但正常人一般只会点3~5条评论的赞。无论是伪造有影响力的用户,还是伪造评论数量,难度均高于伪造总赞数。举个例子,伪造1000条评论需要1000个账号,但伪造1000个总赞可能只需要100,甚至更少的账号数量。

所以,在此基础上,能初步得出“内外赞理论”:

一般情况下,正常微博的内外赞比例是在5以内,一旦超过5,这条微博就有社交机器人刷赞刷流量(包含主动和被动两种形式)。一旦超过20,即属于大水漫灌的情况。此时也是假新闻最喜欢的情况。甚至可以粗略认定,内外赞比例超过20的情况,不是已经属于假新闻,就是正在制造假新闻。

货拉拉案为例,我们可以看看双方当事人的微博:

总结一下,就是即使在相同的社交平台中,女性发声的比例也是男性的7~8倍,如果跨平台比较的话,这个差距会更加庞大。

我们还可以思考一个问题:如果你有翻阅这方面论文的话,你就会发现:回声室主要是用来指责特朗普的。那么为什么会有这种情况呢?因为她们忽略了“相对”和“绝对”的概念。

举个例子,男性的数据是正常情况的3~4倍,所以男性就是在造假数据!我们必须要批判这种回声室现象!那么女性的数据呢?是……35倍左右。

那能一样吗?

从正常人的角度说,特朗普一上台,国内一个回声室浓度较高的app即关闭,那么我们就可以认为,特朗普的上台,对于打破相关话题的回声室,总体是正向作用。

参考

  1. ^Manuel Pratelli, Fabio Saracco, Marinella Petrocchi, Entropy-based detection of Twitter echo chambers, PNAS Nexus, Volume 3, Issue 5, May 2024, pgae177, https://doi.org/10.1093/pnasnexus/pgae177
发布于 2024-11-09 14:15・IP 属地福建
思辩
自由评论 (0)
分享
Copyright © 2022 GreatFire.org