英文精读｜性别歧视言论：在线强化女性刻板印象

论文基本信息

题目：Sexist Slurs: Reinforcing Feminine Stereotypes Online

作者：Diane Felmlee1 & Paulina Inara Rodis & Amy Zhang

来源：SEX ROLES Volume 83

摘要

社交媒体平台多次被指责创造了欺负和骚扰妇女的环境。我们认为，对女性的网络攻击旨在强化传统的女性规范和刻板印象。在一项混合方法研究中，我们发现这种类型的攻击在推特上是普遍和广泛的，并且其传播范围可能远远超出了最初的目标。我们在一周内找到了超过290万条包含性别侮辱的推文(例如，“婊子”“阴户”“荡妇”或“妓女”)——平均每天有419000条性别歧视言论。这些推文绝大多数都是负面情绪的。我们分析了在几种情况下发生的对话的社交网络，并展示了如何使用“回复”，“转发”和“喜欢”来进一步伤害目标。此外，我们开发了一种情感分类器，并在回归分析中使用该分类器比较性别歧视信息的负面影响。我们发现，信息中强化女性刻板印象的词语在很大程度上提高了推文的负面情绪。这些术语包括侮辱某人的外貌(例如“丑陋”)、智力(例如“愚蠢”)、性经验(例如“滥交”)、心理稳定(例如“疯狂”)和年龄(例如“老”)。强制采用审美规范的信息往往特别负面。总而言之，敌对的、性别歧视的推文本质上是战略性的。他们旨在促进关于女性气质的传统的文化信仰，例如美的理想，并通过指责受害者未达到这些标准而羞辱受害者。

研究背景

社交媒体上的骚扰每天都在发生，研究人员发现，在过去两年间，推特上有9764583条涉及欺凌的信息。换句话说，推特用户每天发布超过13000条与欺凌相关的信息。各种形式的网络攻击也会带来严重的负面影响，例如自尊心低下、情绪和心理困扰以及负面情绪。多项研究表明，网络欺凌的目标主要是女性，尽管根据定义和地点而有例外。但是，我们对网络论坛中针对女性的网络攻击的内容或模式知之甚少。因此，本研究的目的是详细研究推特社交媒体平台中针对女性和女性气质的攻击性信息的做法。通过使用定性和定量分析，我们研究了性别规范在这些网络攻击模式中的作用。

网络攻击

网络攻击，这里指的是有意的电子社交，旨在侮辱或伤害个人。借鉴群体过程理论，我们认为有两种基本的社会机制促进了网络攻击的发展：(a)社会规范的实施和(b)社会等级制度的建立。我们认为，针对女性的攻击性推文试图强化传统的性别规范，尤其是那些与理想化的女性特征相关的规范。此外，传播这种敌对信息的人很可能是为了提高他们在支持者群体或更广泛的社会受众中的社会尊重和认可。性别歧视的网络骚扰不是随机发生的，换言之，它本质是战略性的，旨在加剧性别不平等。

性别与女性刻板印象

女权主义理论认为，对妇女的敌意产生于父权文化及其伴随的性别歧视、厌女症和对妇女的物化态度。学者们进一步指出，敌意源于妇女在更大的社会权力结构中受到的压迫，这种结构将男子置于主导地位，将妇女置于从属地位。制度上的性别歧视造成了性别刻板印象形成的社会环境，反过来，刻板印象的延续保存并强化了性别歧视和占主导地位的男性的社会文化。经典的女性人格刻板印象包括两个主要组成部分：一个与温暖和友善相关，而另一个是缺乏能力（例如被动、情绪化、不合逻辑）。这种理想化的女性气质通常被认为与男性气质相反。其他女性刻板印象包括更注重家庭或社区，女性不应该有自私的意图或行为，而是应该成为道德的典范和美德的守护者，这也延伸到要求她们是“处女”或相对缺乏性经验。因此，我们社会中关于女性的性别规范的中心主题围绕着美丽以及美好、道德和性经验不足。在本文中，我们认为推特上针对女性的攻击行为触及了女性刻板印象中许多相同的核心主题。这种行为可能反映出显性或隐性的性别偏见。骚扰者通过试图以违背这些规范性期望的标签来羞辱妇女，从而有意或无意地强化了传统的刻板印象。

研究方法

程序和措施

我们从2016年到2019年初在推特上收集了大约两年的数据，主要分两个阶段收集推特信息。首先，我们在NodeXL中利用了关键字搜索，以抓取包含指定术语的最新推文。在此过程中，作者整理了一份常用的侮辱清单，这份清单由推特上针对女性的负面观念和刻板印象组成。共收集了50000多条推文，其中包含了各种各样的性别贬义语言。在这个项目中，我们主要关注最常见的四个术语(“婊子”“阴户”“荡妇”和“妓女”)。在数据收集的第二阶段，我们直接从推特的Streaming API抓取数据。收集的数据集被分成四个独立的流进行过滤，以找到包含我们提到的四个关键术语中至少一个的推文。数据集是在2017年6月(6月4日至6月11日)为期一周的时间内收集的。经过进一步的筛选和处理，我们收集到了290万条推文，每条推文都包含了四个术语中的一个。总样本中，87%来自收集关键词“婊子”，5%来自“阴户”，4%来自“荡妇”，4%来自“妓女”。

社交网络分析

我们研究了推特“对话”的社交网络，这些社交网络是根据包含我们的关键字的信息发展而来的，重点是位于用户网络中的推文。我们调查了负面推文导致的网络传播，其中网络由最初的侮辱性推文后出现的“转发”“回复”和“喜欢”组成。接下来，我们研究了在我们较小的网络中推特交流所涉及的社会角色，并确定了“犯罪者”“受害者”“强化者”和“维护者”。我们还注意到，当出现“旁观者”时，指的是在贬损性推特之前参与推特对话，但没有以支持或批评的方式做出回应的人。

情感分析

我们开发了一个分类器，用于对推文样本的内容进行情感分析。情感分类器利用称为词典的单词词典，由几个研究助手手动注释它们是否带有正面或负面情绪。此项目中的情感分类器利用了为VADER分类器创建的词典。我们更新了VADER的词典，把我们在推特的手动检查中发现的针对女性的贬义词和针对性词包括在内，并将该分数转换为 4（最负面）至+4（最正面）的等级。

研究结果

描述性发现

我们首先比较一周内推特中四个关键词的频率。尽管我们计算了一周内从API抓取到的推文的总体频率，但是无法推断出此类推文的普遍性，因为推特并未公开任何一天创建的推文的数量，也没有公开发布供下载的推文的数量。表1列出了包含四个关键词中的一个或多个的针对女性的负面攻击性信息的例子。

网络攻击的网络

在收集有关网络攻击的网络数据时，我们确定了两种类型的“对话”网络。首先，是一系列针对目标妇女的大型网络讨论，其中许多既有积极的内容也有消极的内容。这些广泛的推特网络往往涉及知名人士，在这种情况下，信息似乎主要是在对同一话题感兴趣的陌生人之间交换的。通常，一条侮辱性的推文会引发一系列相互关联的消息。第二种类型的网络攻击网络表现为较小的对话集，在日常对话中使用贬义性语言对女性进行攻击。此外，还有第三类负面信息，由单一的推文组成，这些推文在网上没有得到明显的回应，也没有形成交流网络。

情感分析的描述性统计

我们对推文样本进行了情感分析。不出所料，包含任何一个关键词的信息，“婊子”、“阴户”、“荡妇”和“妓女”在情感上往往是负面的。总体平均得分为0.43(见表2第一行)，当推文包含强化女性刻板印象的形容词(例如，“丑”“胖”)时，负面情绪的平均得分翻了一倍多(2.6倍)，从不带侮辱性形容词的0.39到带有此类形容词的1.03(表2的最后一列)。

而当涉及身体属性的贬损的形容词被包括在内时，推文情绪尤其消极(见表3)。

侮辱性形容词对情感的影响

如前所述，某些形容词与其他形容词相比能使推文带有更多负面情绪，尤其是指身体外观的形容词。接下来，我们通过测试七个类别之一中的形容词是否会显著改变整体信息的消极程度，来检验这种趋势是否具有统计学意义。在我们的分析中，我们发现了对以下论点的支持，即包含强化女性刻板印象的侮辱性词语会显著增加推特的总体负面情绪。表4描述了这些发现，给出了精确的系数和标准误差。在大多数情况下(70%)，包含其中一个形容词会增加推文的负面情绪，这表明该词不仅降低了情绪，而且其得分会显著影响推文的整体得分。此外，仅包含一个规范形容词就足以将消息的情感得分平均降低1.0(即使推文更加负面)。因此，尽管较大的样本量可能会影响结果的统计显著性，但特别要指出的是，包含形容词会导致相当大的负面影响。

研究讨论

社交媒体一再被指责为其用户提供不公正对待妇女的场所，我们发现有证据表明，针对妇女的恶意推特信息是日常的常见现象。我们在一周内找到了290万条推文，约等于每天419000条，使用了四种主要的女性诽谤之一。请注意，推特仅将其数据的一小部分提供给公众下载，这表明面向女性的贬损信息的问题甚至比我们记录的还要广泛。此外，我们发现，平均而言，这些推文在情感上是负面的，并且侮辱女性刻板印象的形容词的加入将它们的总体负面情绪放大到了显著的程度。在某些情况下，敌对信息的范围远远超出了最初的目标，涉及到许多其他人，尤其是当涉及到女性名人时。

我们的研究发现表明，这些攻击性的在线信息经常依赖于暗示目标未能体现传统的女性刻板印象和理想，特别是那些身体吸引力、美好和性纯洁的理想。因此，隐含的信息是，女性应该与传统的美丽、甜美和纯真的形象保持一致——也就是说，有一种正确的“性别”方式。而在社交媒体网络蓬勃发展的社会中，女性美的理想仍然很强大。

我们发现我们的理论论点得到了支持，即规范的增强和地位的提高会导致社交媒体中的网络攻击。在我们的推特数据中，负面的在线交流往往会强化现有的女性社会规范。此外，贬义性推文在推特对话网络中的传播表明，提高自己在同龄人中的地位是对女性进行网络攻击的另一种动机。最后，这些互动发生在一种文化观念体系和一种社会权力结构中，这种系统结构削弱了妇女的地位，所有这些都增强了个人贬低妇女行为的能力和动机。

责编：周梦琦