Του Αντώνιου Καλέντζη | Ψυχολόγος, Συγγραφέας  | υπ. Διδάκτωρ University of Reading, UK | Psychologized@gmail.com

Στις μέρες μας που η τεχνολογία έχει μπει καλά στην ζωή μας, κάποιοι μπορεί να δέχονται bullying μέσω του διαδικτύου. Για να το αποδείξεις βέβαια ότι κάποιος σου φέρεται άσχημα πρέπει να βγάλεις φωτογραφίες από τα κείμενα κλπ. Τι θα λέγατε λοιπόν για μια εφαρμογή που μπορεί να εντοπίσει και «απομονώσει» τους χρήστες που φέρονται έτσι, πριν καν βιώσετε κάποια τραυματική εμπειρία;

Μια ομάδα ερευνητών έχει αναπτύξει αλγόριθμους μηχανικής μάθησης οι οποίοι μπορούν να εντοπίσουν με επιτυχία τα άτομα που ασκούν bullying καθώς και αυτούς που επιτίθενται λεκτικά στους άλλους χρήστες στο Twitter με 90% ακρίβεια.

Μέχρι σήμερα δεν έχουν υπάρξει κάποια λογισμικά που βοηθούν στην ανίχνευση επιθετικών ενεργειών σε άλλους χρήστες που βρίσκονται στα social media. Καθώς αυτός ο τύπος συμπεριφοράς είναι συχνά διφορούμενος και παρουσιάζεται όπως προαναφέραμε μόνο μέσω φαινομενικά επιφανειακών σχολίων ή μηνυμάτων.

Με στόχο την αντιμετώπιση αυτού του κενού, μια ερευνητική ομάδα με τον καθηγητή ηλεκτρονικών υπολογιστών του Πανεπιστημίου Binghamton, ανέλυσε τα πρότυπα συμπεριφοράς που εκδηλώνουν οι χρήστες Twitter και σύγκρινε τις διαφορές τους από τους άλλους χρήστες του Twitter.

Οι ερευνητές διεξήγαγαν έπειτα ανάλυση της γλώσσας και συναισθημάτων σχετικά με τα tweets των χρηστών, καθώς και μια ποικιλία αναλύσεων άλλων κοινωνικών δικτύων για τις συνδέσεις μεταξύ χρηστών.

Οι ερευνητές ανέπτυξαν αλγόριθμους για την αυτόματη ταξινόμηση δύο συγκεκριμένων τύπων επιθετικής συμπεριφοράς στο διαδίκτυο:

  • cyberbullying – Άτομα που κάνουν buyllying μέσω διαδικτύου
  • cyberaggression – Άτομα που έχουν επιθετική συμπεριφορά σε άλλους χρήστες , μέσω διαδικτύου επίσης

Οι αλγόριθμοι μπόρεσαν να εντοπίσουν τους χρήστες με καταχρηστική συμπεριφορά στο Twitter με ακρίβεια 90%. Αυτοί είναι χρήστες που εμπλέκονται σε συμπεριφορά παρενόχλησης, π.χ. όσοι στέλνουν απειλές θανάτου ή κάνουν ρατσιστικές παρατηρήσεις στους χρήστες.

Είναι γεγονός πως ένα από τα μεγαλύτερα θέματα προς επίλυση που σχετίζονται με τα προβλήματα ασφάλειας στον κυβερνοχώρο ,είναι ότι η ζημιά που προκαλείται χρήστη και είναι πολύ δύσκολο να ανατραπεί .

Για παράδειγμα, η έρευνά δείχνει ότι η μηχανική μάθηση μπορεί να χρησιμοποιηθεί για την αυτόματη ανίχνευση χρηστών που είναι cyberbullies, και έτσι θα μπορούσε να βοηθήσει το Twitter και άλλες πλατφόρμες κοινωνικών μέσων να αφαιρέσουν τους προβληματικούς χρήστες.

Ωστόσο, ένα τέτοιο σύστημα δεν εμποδίζει εγγενώς τις δράσεις εκφοβισμού, απλώς τις εντοπίζει . Και η ατυχής αλήθεια είναι ότι ακόμη και αν διαγραφούν οι λογαριασμοί εκφοβισμού, ακόμη και αν διαγραφούν όλες οι προηγούμενες επιθέσεις τους, τα θύματα εξακολουθούν να επηρεάζονται από αυτά αρνητικά.

Μπορεί φαινομενικά να βρισκόμαστε μπροστά από έναν υπολογιστή και να χρησιμοποιούμε τα Social Media, όμως μην ξεχνούμε ότι είναι αλληλεπίδραση με άλλους ανθρώπους με σύγχρονα μέσα.

Όπως σε κάποιες περιπτώσεις γεννιούνται συμπάθειες μεταξύ «Διαδικτυακών φίλων» έτσι μπορούν να δημιουργηθούν και αρνητικές εμπειρίες που μπορούν να κάνουν δύσκολη την καθημερινότητα των χρηστών, εκτός διαδικτύου.

Πηγή : Despoina Kazakou et al; Detecting Cyberbullying and Cyberaggression in Social Media ; 2019 July; arxiv.org

http://antonioskalentzis.eu/shop/