論文基本信息
題目：Sexist Slurs: Reinforcing Feminine Stereotypes Online
作者：Diane Felmlee1 & Paulina Inara Rodis & Amy Zhang
來源：SEX ROLES Volume 83
摘要
社交媒體平臺多次被指責創造了欺負和騷擾婦女的環境。我們認為，對女性的網絡攻擊旨在強化傳統的女性規範和刻板印象。在一項混合方法研究中，我們發現這種類型的攻擊在推特上是普遍和廣泛的，並且其傳播範圍可能遠遠超出了最初的目標。我們在一周內找到了超過290萬條包含性別侮辱的推文(例如，「婊子」「陰戶」「蕩婦」或「妓女」)——平均每天有419000條性別歧視言論。這些推文絕大多數都是負面情緒的。我們分析了在幾種情況下發生的對話的社交網絡，並展示了如何使用「回復」，「轉發」和「喜歡」來進一步傷害目標。此外，我們開發了一種情感分類器，並在回歸分析中使用該分類器比較性別歧視信息的負面影響。我們發現，信息中強化女性刻板印象的詞語在很大程度上提高了推文的負面情緒。這些術語包括侮辱某人的外貌(例如「醜陋」)、智力(例如「愚蠢」)、性經驗(例如「濫交」)、心理穩定(例如「瘋狂」)和年齡(例如「老」)。強制採用審美規範的信息往往特別負面。總而言之，敵對的、性別歧視的推文本質上是戰略性的。他們旨在促進關於女性氣質的傳統的文化信仰，例如美的理想，並通過指責受害者未達到這些標準而羞辱受害者。
研究背景
社交媒體上的騷擾每天都在發生，研究人員發現，在過去兩年間，推特上有9764583條涉及欺凌的信息。換句話說，推特用戶每天發布超過13000條與欺凌相關的信息。各種形式的網絡攻擊也會帶來嚴重的負面影響，例如自尊心低下、情緒和心理困擾以及負面情緒。多項研究表明，網絡欺凌的目標主要是女性，儘管根據定義和地點而有例外。但是，我們對網絡論壇中針對女性的網絡攻擊的內容或模式知之甚少。因此，本研究的目的是詳細研究推特社交媒體平臺中針對女性和女性氣質的攻擊性信息的做法。通過使用定性和定量分析，我們研究了性別規範在這些網絡攻擊模式中的作用。
網絡攻擊
網絡攻擊，這裡指的是有意的電子社交，旨在侮辱或傷害個人。借鑑群體過程理論，我們認為有兩種基本的社會機制促進了網絡攻擊的發展：(a)社會規範的實施和(b)社會等級制度的建立。我們認為，針對女性的攻擊性推文試圖強化傳統的性別規範，尤其是那些與理想化的女性特徵相關的規範。此外，傳播這種敵對信息的人很可能是為了提高他們在支持者群體或更廣泛的社會受眾中的社會尊重和認可。性別歧視的網絡騷擾不是隨機發生的，換言之，它本質是戰略性的，旨在加劇性別不平等。
性別與女性刻板印象
女權主義理論認為，對婦女的敵意產生於父權文化及其伴隨的性別歧視、厭女症和對婦女的物化態度。學者們進一步指出，敵意源於婦女在更大的社會權力結構中受到的壓迫，這種結構將男子置於主導地位，將婦女置於從屬地位。制度上的性別歧視造成了性別刻板印象形成的社會環境，反過來，刻板印象的延續保存並強化了性別歧視和佔主導地位的男性的社會文化。經典的女性人格刻板印象包括兩個主要組成部分：一個與溫暖和友善相關，而另一個是缺乏能力（例如被動、情緒化、不合邏輯）。這種理想化的女性氣質通常被認為與男性氣質相反。其他女性刻板印象包括更注重家庭或社區，女性不應該有自私的意圖或行為，而是應該成為道德的典範和美德的守護者，這也延伸到要求她們是「處女」或相對缺乏性經驗。因此，我們社會中關於女性的性別規範的中心主題圍繞著美麗以及美好、道德和性經驗不足。在本文中，我們認為推特上針對女性的攻擊行為觸及了女性刻板印象中許多相同的核心主題。這種行為可能反映出顯性或隱性的性別偏見。騷擾者通過試圖以違背這些規範性期望的標籤來羞辱婦女，從而有意或無意地強化了傳統的刻板印象。
研究方法
程序和措施
我們從2016年到2019年初在推特上收集了大約兩年的數據，主要分兩個階段收集推特信息。首先，我們在NodeXL中利用了關鍵字搜索，以抓取包含指定術語的最新推文。在此過程中，作者整理了一份常用的侮辱清單，這份清單由推特上針對女性的負面觀念和刻板印象組成。共收集了50000多條推文，其中包含了各種各樣的性別貶義語言。在這個項目中，我們主要關注最常見的四個術語(「婊子」「陰戶」「蕩婦」和「妓女」)。在數據收集的第二階段，我們直接從推特的Streaming API抓取數據。收集的數據集被分成四個獨立的流進行過濾，以找到包含我們提到的四個關鍵術語中至少一個的推文。數據集是在2017年6月(6月4日至6月11日)為期一周的時間內收集的。經過進一步的篩選和處理，我們收集到了290萬條推文，每條推文都包含了四個術語中的一個。總樣本中，87%來自收集關鍵詞「婊子」，5%來自「陰戶」，4%來自「蕩婦」，4%來自「妓女」。
社交網絡分析
我們研究了推特「對話」的社交網絡，這些社交網絡是根據包含我們的關鍵字的信息發展而來的，重點是位於用戶網絡中的推文。我們調查了負面推文導致的網絡傳播，其中網絡由最初的侮辱性推文後出現的「轉發」「回復」和「喜歡」組成。接下來，我們研究了在我們較小的網絡中推特交流所涉及的社會角色，並確定了「犯罪者」「受害者」「強化者」和「維護者」。我們還注意到，當出現「旁觀者」時，指的是在貶損性推特之前參與推特對話，但沒有以支持或批評的方式做出回應的人。
情感分析
我們開發了一個分類器，用於對推文樣本的內容進行情感分析。情感分類器利用稱為詞典的單詞詞典，由幾個研究助手手動注釋它們是否帶有正面或負面情緒。此項目中的情感分類器利用了為VADER分類器創建的詞典。我們更新了VADER的詞典，把我們在推特的手動檢查中發現的針對女性的貶義詞和針對性詞包括在內，並將該分數轉換為 4（最負面）至+4（最正面）的等級。
研究結果
描述性發現
我們首先比較一周內推特中四個關鍵詞的頻率。儘管我們計算了一周內從API抓取到的推文的總體頻率，但是無法推斷出此類推文的普遍性，因為推特並未公開任何一天創建的推文的數量，也沒有公開發布供下載的推文的數量。表1列出了包含四個關鍵詞中的一個或多個的針對女性的負面攻擊性信息的例子。
網絡攻擊的網絡
在收集有關網絡攻擊的網絡數據時，我們確定了兩種類型的「對話」網絡。首先，是一系列針對目標婦女的大型網絡討論，其中許多既有積極的內容也有消極的內容。這些廣泛的推特網絡往往涉及知名人士，在這種情況下，信息似乎主要是在對同一話題感興趣的陌生人之間交換的。通常，一條侮辱性的推文會引發一系列相互關聯的消息。第二種類型的網絡攻擊網絡表現為較小的對話集，在日常對話中使用貶義性語言對女性進行攻擊。此外，還有第三類負面信息，由單一的推文組成，這些推文在網上沒有得到明顯的回應，也沒有形成交流網絡。
情感分析的描述性統計
我們對推文樣本進行了情感分析。不出所料，包含任何一個關鍵詞的信息，「婊子」、「陰戶」、「蕩婦」和「妓女」在情感上往往是負面的。總體平均得分為0.43(見表2第一行)，當推文包含強化女性刻板印象的形容詞(例如，「醜」「胖」)時，負面情緒的平均得分翻了一倍多(2.6倍)，從不帶侮辱性形容詞的0.39到帶有此類形容詞的1.03(表2的最後一列)。
而當涉及身體屬性的貶損的形容詞被包括在內時，推文情緒尤其消極(見表3)。
侮辱性形容詞對情感的影響
如前所述，某些形容詞與其他形容詞相比能使推文帶有更多負面情緒，尤其是指身體外觀的形容詞。接下來，我們通過測試七個類別之一中的形容詞是否會顯著改變整體信息的消極程度，來檢驗這種趨勢是否具有統計學意義。在我們的分析中，我們發現了對以下論點的支持，即包含強化女性刻板印象的侮辱性詞語會顯著增加推特的總體負面情緒。表4描述了這些發現，給出了精確的係數和標準誤差。在大多數情況下(70%)，包含其中一個形容詞會增加推文的負面情緒，這表明該詞不僅降低了情緒，而且其得分會顯著影響推文的整體得分。此外，僅包含一個規範形容詞就足以將消息的情感得分平均降低1.0(即使推文更加負面)。因此，儘管較大的樣本量可能會影響結果的統計顯著性，但特別要指出的是，包含形容詞會導致相當大的負面影響。
研究討論
社交媒體一再被指責為其用戶提供不公正對待婦女的場所，我們發現有證據表明，針對婦女的惡意推特信息是日常的常見現象。我們在一周內找到了290萬條推文，約等於每天419000條，使用了四種主要的女性誹謗之一。請注意，推特僅將其數據的一小部分提供給公眾下載，這表明面向女性的貶損信息的問題甚至比我們記錄的還要廣泛。此外，我們發現，平均而言，這些推文在情感上是負面的，並且侮辱女性刻板印象的形容詞的加入將它們的總體負面情緒放大到了顯著的程度。在某些情況下，敵對信息的範圍遠遠超出了最初的目標，涉及到許多其他人，尤其是當涉及到女性名人時。
我們的研究發現表明，這些攻擊性的在線信息經常依賴於暗示目標未能體現傳統的女性刻板印象和理想，特別是那些身體吸引力、美好和性純潔的理想。因此，隱含的信息是，女性應該與傳統的美麗、甜美和純真的形象保持一致——也就是說，有一種正確的「性別」方式。而在社交媒體網絡蓬勃發展的社會中，女性美的理想仍然很強大。
我們發現我們的理論論點得到了支持，即規範的增強和地位的提高會導致社交媒體中的網絡攻擊。在我們的推特數據中，負面的在線交流往往會強化現有的女性社會規範。此外，貶義性推文在推特對話網絡中的傳播表明，提高自己在同齡人中的地位是對女性進行網絡攻擊的另一種動機。最後，這些互動發生在一種文化觀念體系和一種社會權力結構中，這種系統結構削弱了婦女的地位，所有這些都增強了個人貶低婦女行為的能力和動機。
責編：周夢琦