[论文解读] Gendered Conversation in a Social Game-Streaming Platform

Supun Nakandala, Giovanni Luca Ciampaglia+2 more|arXiv (Cornell University)|Nov 20, 2016

Digital Games and Media被引用 16

一句话总结

本研究分析了超过十亿条Twitch聊天消息，以探讨社交游戏直播中的性别化对话，使用自然语言处理（NLP）和嵌入模型表明，女性主播收到的物化评论显著多于男性主播，而男性主播则收到更多与游戏相关的信息；这种差异在热门频道中更为显著，用户聚类分析揭示了性别化的观看偏好和内容管理模式。

ABSTRACT

Online social media and games are increasingly replacing offline social activities. Social media is now an indispensable mode of communication; online gaming is not only a genuine social activity but also a popular spectator sport. With support for anonymity and larger audiences, online interaction shrinks social and geographical barriers. Despite such benefits, social disparities such as gender inequality persist in online social media. In particular, online gaming communities have been criticized for persistent gender disparities and objectification. As gaming evolves into a social platform, persistence of gender disparity is a pressing question. Yet, there are few large-scale, systematic studies of gender inequality and objectification in social gaming platforms. Here we analyze more than one billion chat messages from Twitch, a social game-streaming platform, to study how the gender of streamers is associated with the nature of conversation. Using a combination of computational text analysis methods, we show that gendered conversation and objectification is prevalent in chats. Female streamers receive significantly more objectifying comments while male streamers receive more game-related comments. This difference is more pronounced for popular streamers. There also exists a large number of users who post only on female or male streams. Employing a neural vector-space embedding (paragraph vector) method, we analyze gendered chat messages and create prediction models that (i) identify the gender of streamers based on messages posted in the channel and (ii) identify the gender a viewer prefers to watch based on their chat messages. Our findings suggest that disparities in social game-streaming platforms is a nuanced phenomenon that involves the gender of streamers as well as those who produce gendered and game-related conversation.

研究动机与目标

• 调查Twitch主播的性别如何影响观众聊天消息的性质。
• 识别在线游戏直播对话中系统性的性别差异，特别是对女性主播的物化现象。
• 基于聊天语言使用计算文本分析方法，对观众偏好和主播性别进行建模。
• 考察频道受欢迎程度如何影响聊天中性别化互动的结构与内容。

提出的方法

• 采用带有信息性狄利克雷先验的对数似然比方法，识别聊天消息中的性别化语言模式。
• 使用段落向量（doc2vec）将消息和用户嵌入到共享向量空间中，用于分类和聚类。
• 采用t-SNE可视化和向量运算，探索术语和用户行为的语义聚类。
• 训练二元分类器，从聊天内容中预测主播性别和观众性别偏好。
• 分析不同受欢迎程度频道中代词使用和物化提示，以检测对话动态的变化。
• 通过识别与活跃聊天管理相关的用户聚类，分析内容管理模式，特别是在较不受欢迎的频道中。

实验结果

研究问题

• RQ1 针对主播的聊天消息是否本质上具有性别特征？主播的性别在多大程度上影响了这些消息的内容？
• RQ2 在Twitch上，男性与女性主播所收到的评论类型（例如，与游戏相关 vs. 物化）是否存在可测量的差异？
• RQ3 主播频道的受欢迎程度如何影响物化或与游戏相关语言在聊天中的普遍性？
• RQ4 是否可以利用用户聊天行为来预测其观看的主播性别或其偏好的主播性别？
• RQ5 用户内容管理聚类在塑造对话环境方面起到什么作用，特别是在较不受欢迎的频道中？

主要发现

• 女性主播收到的物化评论显著多于男性主播，且这种差异在热门频道中最为明显。
• 男性主播收到的与游戏相关评论比例更高，而女性主播则更常因外貌或性别而被讨论。
• 热门女性主播频道中物化提示更为集中，而较不受欢迎的频道则表现出更多内容管理行为和第二人称代词的使用，表明互动更具亲密性。
• 通过doc2vec识别出的用户聚类揭示了仅在男性或女性主播频道发帖的用户群体，表明存在性别化的观看偏好。
• doc2vec模型在预测主播性别和观众偏好方面，准确率高于传统的词袋特征，证明了上下文嵌入的价值。
• 代词使用从较不受欢迎频道中的第一人称和第二人称（暗示个人互动）转变为热门频道中的第三人称和非指代性表达，表明聊天动态从个人互动转向观察性表达。