和平言論——仇恨言論的良性孿生兄弟——揭示一個國家

仇恨言論是任何社群中最可靠的暴力預測指標之一。研究人員多年來一直致力於開發方法來跟蹤其在衝突多發地區的流行程度。它可以作為預測即將發生的暴行事件的早期預警系統。現在，科學家們正試圖看看他們是否可以對仇恨言論的反面——他們稱之為“和平言論”的東西——做類似的事情，進行衡量。

在一篇發表於《PLOS ONE》的新論文中，一群研究人員使用了一種演算法來描述和量化不同國家媒體中的和平言論。他們認為他們的研究結果——識別暴力缺席與普遍存在時期在媒體中流傳的詞語和短語的能力——可能有助於預測一個國家何時變得更加或更少具有敵意。檢測無休止的新聞流中出現的語言的這些細微變化，甚至可能有助於在動盪時期促進公民和諧。“和平不僅僅是沒有衝突，”哥倫比亞大學兼職高階研究學者、該研究的合著者拉里·利博維奇說。“社會會自覺地做很多事情來促進和支援[和平]。”

為了檢測和平言論的流行程度，利博維奇和他的團隊在一個機器學習模型上訓練了來自18個不同國家的超過70萬篇英語新聞文章，這些文章被分類在一個從高和平到低和平的範圍內。研究人員使用了幾個指標，包括全球和平指數和世界幸福指數，以確定每個國家在這個範圍內的位置。在調整了諸如“the”、“a”或“an”等無處不在的詞性之後，他們查詢了該演算法，以識別來自六個最和平和四個衝突最嚴重的國家的媒體中最常用的詞語。

支援科學新聞報道

如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和想法的具有影響力的故事。

最初，利博維奇預計，在高和平地區發現的文章會更多地使用諸如“和諧”或“溫和”之類的詞語，而來自動盪地區的報道則會使用“衝突”、“紛爭”等等。但結果讓他感到驚訝。“這比那更微妙，”他說。

根據他們的模型，研究人員發現，來自和平國家的文章傾向於關注日常生活活動和未來規劃。諸如“家”、“玩耍”和“體驗”之類的詞語很常見。然而，在不太和平的國家，媒體使用了更多與政府權威和控制相關的詞語——以“國家”或“安全”等詞為代表。

雖然機器學習模型以前已被用於仇恨言論研究，但這是最早使用它們來描述和平言論的研究之一。“作者們正在採用一種非常有趣和新穎的方法，”馬薩諸塞大學阿默斯特分校的社會心理學家琳達·特羅普說，她沒有參與這項研究。

但她指出，即使在使用演算法並控制了介詞短語等之後，高和平國家和低和平國家最常用詞語列表之間仍然存在顯著重疊。“像‘好’這樣的詞實際上在兩者中都出現，”她說。這可能會歪曲模型對那些沒有明確劃歸為光譜某一側的國家的評估。

特羅普說，雖然該模型可能能夠捕捉到一個國家政府表現出的對比鮮明的和平或敵對態度，但這可能並不代表其大多數公民的觀點。對於那些領導人專制的國家來說尤其如此，這些國家的媒體可能受到政府的監控或控制。但是，使用演算法來跟蹤一個國家媒體中的某些詞語，可能仍然可以證明是一個有用的指標，可以表明該國領導層是否隨著時間的推移變得更加或更少鷹派。

展望未來，利博維奇和他的同事計劃訓練其他語言（而非英語）的類似模型。他們還希望建立一個詞語儀表板，以指示社會走向更加和諧的趨勢。

也許這種型別研究最重要的資訊與尋找促進和平的新手段有關。這項研究突出了新聞編輯室、政府和公眾之間現有的反饋迴圈。“最終，這其中的一些結果可能有助於告知記者如何報道事物，”利博維奇說。謹慎選擇措辭至關重要，因為它們的含義可能會火上澆油，或者有助於撲滅言語上的火焰。