"जीवन में विफल अपने आप को बम जाओ। "
इस तरह की एक टिप्पणी, सीएनएन लेख में पाया गया कि महिलाएं खुद को कैसे मानती हैं, आज इंटरनेट पर प्रचलित हैं, चाहे वह फेसबुक, रेडडिट या एक समाचार वेबसाइट है इस तरह के व्यवहार को अपवित्रता और नाम-कॉलिंग व्यक्तिगत हमलों, यौन उत्पीड़न या घृणास्पद भाषण से लेकर हो सकता है।
एक हाल ही में प्यू इंटरनेट सर्वेक्षण पाया गया कि ऑनलाइन 10 लोगों में से चार को ऑनलाइन परेशान किया गया है, इस तरह के व्यवहार को देखते हुए अधिक से अधिक ट्रोलिंग इतने बड़े पैमाने पर हो गया है कि कई वेबसाइटों ने भी इसका सहारा लिया है पूरी तरह से टिप्पणियों को हटाने.
बहुत से लोग मानते हैं कि ट्रोलिंग एक छोटे, मुखर अल्पसंख्यक समाजपुत्र व्यक्तियों द्वारा किया जाता है। इस विश्वास को केवल न केवल में प्रबलित किया गया है मीडिया, लेकिन ट्रोलिंग पर पिछले शोध में भी, जो इन व्यक्तियों के साक्षात्कार पर केंद्रित था कुछ अध्ययनों से यह भी पता चला है कि ट्रोल का अनुमान लगाया गया है व्यक्तिगत और जैविक लक्षण, जैसे कि उदासीनता और अत्यधिक उत्तेजना प्राप्त करने की प्रवृत्ति
लेकिन क्या हुआ अगर सभी ट्रॉल को जन्म नहीं हुआ है? क्या होगा अगर वे आप और मेरे जैसे साधारण लोग हैं? में हमारा शोध, हमने पाया कि ऑनलाइन समुदाय में सही परिस्थितियों के तहत लोगों को दूसरों के लिए ट्रोल करने के लिए प्रभावित किया जा सकता है। CNN.com पर किए गए 16 लाख टिप्पणियों का विश्लेषण करके और एक ऑनलाइन नियंत्रित प्रयोग का आयोजन करके, हमने दो महत्वपूर्ण कारकों की पहचान की, जो सामान्य लोगों को ट्रोल में ला सकता है।
क्या एक ट्रोल बनाता है?
हमने 667 प्रतिभागियों को ऑनलाइन भीड़सोर्सिंग प्लेटफ़ॉर्म के माध्यम से भर्ती किया और उनसे पहले प्रश्नोत्तरी लेने के लिए कहा, फिर एक लेख पढ़ें और चर्चा में शामिल हों। प्रत्येक प्रतिभागी ने एक ही लेख देखा, लेकिन कुछ को एक चर्चा दी गई जो ट्रोल द्वारा टिप्पणियों के साथ शुरू हुई थी, जहां अन्य ने तटस्थ टिप्पणियां देखीं। यहां, ट्रॉलिंग को मानक समुदाय दिशानिर्देशों का उपयोग करके परिभाषित किया गया था - उदाहरण के लिए, नाम-कॉलिंग, बदनामी, नस्लवाद या उत्पीड़न। पहले दिए गए प्रश्नोत्तरी को भी आसान या मुश्किल माना जाता था।
CNN.com पर टिप्पणियों का हमारा विश्लेषण इन प्रायोगिक टिप्पणियों को सत्यापित और विस्तारित करने में मदद करता है।
ट्रॉलिंग को प्रभावित करने वाला पहला पहलू एक व्यक्ति का मूड है हमारे प्रयोग में, लोग नकारात्मक मूड में डालते हैं ट्रॉलिंग शुरू होने की अधिक संभावना होती थी। हमें यह भी पता चला है कि ट्रॉलिंग ईब्स और सप्ताह के दिन और दिन के समय के साथ, सिंक्रनाइज़ेशन में प्राकृतिक मानव मूड पैटर्न। ट्रोलिंग रात में सबसे अक्सर देर से होती है, और सुबह में कम से कम अक्सर होती है। काम सप्ताह की शुरुआत में, ट्रोलिंग भी सोमवार को चोट लगीं।
इसके अलावा, हमने पाया कि एक नकारात्मक मूड उन भावनाओं के बारे में लाए गए घटनाओं से परे रह सकता है। मान लीजिए कि कोई व्यक्ति उस चर्चा में भाग लेता है जहां दूसरे लोग ट्रोल टिप्पणियां लिखी हैं। यदि वह व्यक्ति किसी असंबंधित चर्चा में भाग लेने के लिए चला जाता है, तो उस चर्चा में भी ट्रोल होने की अधिक संभावना है
दूसरा पहलू एक चर्चा का संदर्भ है यदि कोई चर्चा "ट्रोल टिप्पणी" के साथ शुरू होती है, तो उस चर्चा के मुकाबले बाद में, अन्य सहभागियों द्वारा दो बार दोहराई जाने की संभावना है, जो ट्रोल टिप्पणी से शुरू नहीं होती है।
वास्तव में, इन ट्रोल टिप्पणियां जोड़ सकते हैं एक चर्चा में अधिक ट्रोल टिप्पणियां, अधिक संभावना है कि भावी प्रतिभागियों ने भी चर्चा को ट्रोल किया होगा। कुल मिलाकर, ये परिणाम बताते हैं कि चर्चा में प्रारंभिक टिप्पणियां बाद में ट्रोलिंग के लिए एक मजबूत, स्थायी मिसाल सेट करती हैं।
हमें आश्चर्य है कि, इन दो कारकों का उपयोग करके, हम अनुमान लगा सकते हैं कि ट्रॉलिंग कब होगा। मशीन सीखने के एल्गोरिदम का उपयोग करके, हम पूर्वानुमान लगा सकते थे कि कोई व्यक्ति 80 प्रतिशत समय के बारे में ट्रोल करने जा रहा था।
दिलचस्प है कि, मूड और चर्चा के संदर्भ में विशिष्ट व्यक्तियों को ट्रोल के रूप में पहचानने से ट्रोलिंग का एक बहुत मजबूत संकेत मिला था। दूसरे शब्दों में, किसी अंतर्निहित विशेषता की तुलना में ट्रोलिंग व्यक्ति के पर्यावरण के कारण अधिक होता है।
चूंकि ट्रोलिंग स्थितिपरक है, और आम लोगों को ट्रोल से प्रभावित किया जा सकता है, ऐसा व्यवहार व्यक्ति से दूसरे व्यक्ति तक फैल सकता है। एक चर्चा में एक ट्रोल टिप्पणी - शायद उस व्यक्ति द्वारा लिखी गई है जो बिस्तर के गलत साइड पर उठी, अन्य सहभागियों के बीच बदतर भाव पैदा कर सकती है, और कहीं और ट्रोल टिप्पणियां भी ले सकती हैं। चूंकि इस नकारात्मक व्यवहार का प्रचार करना जारी रहता है, ट्रॉलिंग समुदायों में मानदंड बनने को समाप्त कर सकता है, अगर अनियंत्रित छोड़ा जाए।
वापस मुकाबला करना
इन गंभीर परिणामों के बावजूद, इस शोध से हमें सार्वजनिक चर्चा के लिए बेहतर ऑनलाइन स्थान बनाने में मदद मिल सकती है।
समझने से जो ट्रोलिंग की ओर जाता है, अब हम भविष्यवाणी कर सकते हैं कि ट्रोलिंग कब होने की संभावना है। इससे हमें समय से पहले संभावित विवादास्पद चर्चाओं की पहचान करनी पड़ सकती है और पूर्वनिर्धारित मॉडरेटर को चेतावनी दे सकती है, जो तब इन आक्रामक परिस्थितियों में हस्तक्षेप कर सकती हैं।
मशीन सीखने एल्गोरिदम भी किसी भी मानव की तुलना में लाखों पदों के माध्यम से अधिक तेजी से कर सकते हैं। ट्रॉलिंग व्यवहार को पेश करने के लिए कंप्यूटरों को प्रशिक्षण देने से, हम अवांछनीय सामग्री की पहचान कर सकते हैं और बहुत अधिक गति से फ़िल्टर कर सकते हैं।
सामाजिक हस्तक्षेप ट्रॉलिंग को भी कम कर सकते हैं। अगर हम लोग हाल ही में पोस्ट की गई टिप्पणियों को वापस लेने की अनुमति देते हैं, तो हम पल की गर्मी में पोस्ट करने से अफसोस कम करने में सक्षम हो सकते हैं। चर्चा के संदर्भ में, रचनात्मक टिप्पणियों को प्राथमिकता देकर, सभ्यता की धारणा को बढ़ा सकता है यहां तक कि किसी भी समुदाय के नियमों के बारे में चर्चा पृष्ठ के शीर्ष पर पोस्ट करने में मदद करता है, जैसा कि एक हालिया प्रयोग Reddit पर आयोजित दिखाया दिखाया
फिर भी, ट्रॉलिंग को संबोधित करने के लिए बहुत अधिक काम किया जा रहा है संगठित trolling की भूमिका को समझना कुछ प्रकार के अवांछनीय व्यवहार को सीमित कर सकते हैं।
ट्रोलिंग भी तीव्रता में भिन्न हो सकते हैं, जो कि गुनहगार से लक्षित धमकाने के लिए अलग-अलग प्रतिक्रियाओं की आवश्यकता होती है।
लेखक के इरादे से एक ट्रोल टिप्पणी के प्रभाव को अलग करना भी महत्वपूर्ण है: क्या ट्रॉल का मतलब दूसरों को चोट पहुंचा था, या क्या वह सिर्फ एक अलग दृष्टिकोण व्यक्त करने का प्रयास कर रहा था? इससे उन अवांछनीय व्यक्तियों को अलग-अलग मदद मिल सकती है, जिनके लिए अपने विचारों को संचारित करने में सहायता की ज़रूरत है।
जब ऑनलाइन चर्चा टूट जाती है, तो यह सिर्फ सोसाइपाथ नहीं है, जो कि दोष हैं। हम भी गलती पर हैं बहुत से "ट्रॉल्स" सिर्फ अपने जैसे लोग हैं जो खराब दिन हैं यह समझना कि हम दोनों ऑनलाइन प्रेरक और निराशाजनक बातचीत दोनों के लिए ज़िम्मेदार हैं और अधिक उत्पादक ऑनलाइन चर्चा करने की कुंजी है
के बारे में लेखक
जस्टिन चेंग, कंप्यूटर विज्ञान में पीएचडी छात्र, स्टैनफोर्ड विश्वविद्यालय; क्रिस्टियन डेनेस्कु-निकुल्स्कु-मिज़िल, सूचना विज्ञान के सहायक प्रोफेसर, कार्नेल विश्वविद्यालय, और माइकल बर्नस्टेन, कंप्यूटर विज्ञान के सहायक प्रोफेसर, स्टैनफोर्ड विश्वविद्यालय, स्टैनफोर्ड यूनिवर्सिटी में ज्योर लेस्कोवैक ने भी इस आलेख में योगदान दिया।
यह आलेख मूलतः पर प्रकाशित हुआ था वार्तालाप। को पढ़िए मूल लेख.
संबंधित पुस्तकें
at इनरसेल्फ मार्केट और अमेज़न