培养集体话语：在线新闻评论的分布式基于角色的方法

文献标题

Fostering Collective Discourse: A Distributed Role-Based Approach to Online News Commenting

出版信息

• 主题领域: 在线新闻评论系统与协作式话语设计。
• 关键词: 在线话语、新闻评论、分布式角色、协作系统、结构化讨论、用户参与、评论审核、多样化视角、情感中立、论证强度。

背景与问题

• 问题/挑战: 当前的新闻评论系统往往导致分散化、极化的对话，无法有效代表多样化的观点或促进有意义的讨论。传统系统更注重个人表达，而非集体理解。
• 重要性: 改进在线新闻评论系统可以增强公共话语，促进包容性，并应对极化和不文明等挑战，这对于民主社会至关重要。
• 动机与相关研究: 先前研究探讨了审核策略、结构化工作流程以及促进多样化观点的工具。然而，这些方法尚未完全解决如何通过协作系统积极促进集体理解和结构化话语的需求。

解决方案

• 提出的方法: 一个基于分布式角色的评论系统，用户通过聚类、总结和线程化协作结构化讨论，系统以浏览器扩展形式实现。
• 创新性:
  1. 引入分布式角色（Level 0、Level 1、Level 2），以协作方式组织评论。
  2. 集成聚类、总结和线程化功能以结构化讨论。
  3. 使用AI生成的建议辅助用户总结聚类并创建线程。
  4. 通过混合方法研究将该系统与基线评论系统进行比较评估。
• 流程与关键技术:
  • 聚类: Level 0用户通过将相似评论分组提出聚类建议；Level 1用户审核并最终确定聚类。
  • 总结: Level 1用户为最终聚类创建总结，AI生成的建议提供辅助。
  • 线程化: Level 2用户提出并审核新的讨论线程，AI提供主题和指导性问题建议。
  • 系统以浏览器扩展形式实现，针对CNN文章设计，使用GPT-3.5-turbo提供AI辅助。

结果

• 具体发现:
  • 系统条件下评论量增加（230 vs. 189，基线条件）。
  • 系统条件下评论平均长度减少26%。
  • 观点多样性提高（归一化熵：+0.070，p = .018），但独特观点数量无显著增加。
  • 论证强度下降（支持性主张比率：−0.075，p < .01）。
  • 情感表达减少（整体情感性：−0.104，p < .001），包括喜悦、悲伤、恐惧和惊讶的减少。
  • 礼貌水平在两种条件下保持稳定。
• 相较基线的优势:
  • 提升了观点平衡性和情感中立性。
  • 结构化环境促进了简洁且频繁的参与，同时未降低评论的感知价值。
• 实验/评估:
  • 38名参与者（年龄：19–31岁，M = 23.12，SD = 3.25）参与的组内研究，持续6天，比较系统与基线评论界面。
  • 分析了参与度指标、评论质量和用户活动，涵盖三个主题（技术、犯罪、经济）。
  • 对14名参与者进行后续访谈以探讨用户体验。
• 局限性与未来工作:
  • 样本量小且研究持续时间短，限制了结果的普适性。
  • 固定角色分配未能完全反映现实环境中的动态权力结构。
  • 论证强度下降和独特观点扩展有限突显了改进空间。
  • 未来研究应探索自适应角色机制、可扩展设计以及激励有意义参与的策略。

总结

本文提出了一种基于分布式角色的评论系统，旨在促进在线新闻平台的集体话语。通过实现聚类、总结和线程化功能，该系统推动了结构化和包容性的讨论。一项包含38名参与者的混合方法研究表明，该系统提高了参与度、观点平衡性并减少了情感表达，但在论证强度和观点多样性方面存在局限性。研究结果展示了协作系统在增强在线话语方面的潜力，同时指出了未来设计中需要权衡的关键点和改进方向。