Política no YouTube: Detectando Polarização de Grupos Online Baseada em Comentários de Vídeos de Notícias

A polarização de toxicidade em grupos mediada por tecnologia é um grande problema socio-tecnológico do nosso tempo. Para melhor monitoramento em larga escala da polarização entre o conteúdo de notícias nas redes sociais, quantificamos a toxicidade dos comentários de vídeos de notícias usando um Índice de Polarização de Toxicidade. Para vídeos de notícias polarizadores, nossa premissa é que a toxicidade dos comentários aproxima-se de uma distribuição em forma de “M” ou “U”, ou seja, há uma toxicidade desbalanceada entre os comentários. Avaliamos nossas premissas através de um estudo de caso utilizando um conjunto de dados de ~180.000 comentários do YouTube sobre ~3.700 vídeos de notícias reais de uma organização internacional de notícias online. Com o objetivo de sistemas de informação que mitigam a polarização, construímos um modelo de aprendizado de máquina preditivo para classificar a polarização de toxicidade do conteúdo de notícias, mesmo quando seus comentários estão desabilitados ou não disponíveis, uma vez que é uma tendência atual entre os editores de notícias desabilitar comentários. As descobertas implicam que o conteúdo de notícias mais envolvente também é frequentemente o mais polarizador, o que associamos ao aumento da pesquisa sobre conteúdo de clickbait e o efeito prejudicial das métricas baseadas em atenção na saúde das comunidades de redes sociais online, especialmente as comunidades de notícias.