[论文解读] Mitigating the Backfire Effect Using Pacing and Leading

Qi Yang, Khizar Qureshi+1 more|arXiv (Cornell University)|Jul 31, 2020

Social Media and Politics参考文献 14被引用 4

一句话总结

本研究通过使用Twitter机器人向持反移民立场的用户展示对立观点，测试了说服策略以减轻在线政治话语中的反弹效应。最有效的策略——通过社交互动（点赞用户帖子）进行节奏引导与引领——显著减少了极端语言的使用，而单纯的直接辩论则加剧了两极分化。

ABSTRACT

Online social networks create echo-chambers where people are infrequently exposed to opposing opinions. Even if such exposure occurs, the persuasive effect may be minimal or nonexistent. Recent studies have shown that exposure to opposing opinions causes a backfire effect, where people become more steadfast in their original beliefs. We conducted a longitudinal field experiment on Twitter to test methods that mitigate the backfire effect while exposing people to opposing opinions. Our subjects were Twitter users with anti-immigration sentiment. The backfire effect was defined as an increase in the usage frequency of extreme anti-immigration language in the subjects' posts. We used automated Twitter accounts, or bots, to apply different treatments to the subjects. One bot posted only pro-immigration content, which we refer to as arguing. Another bot initially posted anti-immigration content, then gradually posted more pro-immigration content, which we refer to as pacing and leading. We also applied a contact treatment in conjunction with the messaging based methods, where the bots liked the subjects' posts. We found that the most effective treatment was a combination of pacing and leading with contact. The least effective treatment was arguing with contact. In fact, arguing with contact consistently showed a backfire effect relative to a control group. These findings have many limitations, but they still have important implications for the study of political polarization, the backfire effect, and persuasion in online social networks.

研究动机与目标

• 探究节奏引导与引领（即从认同逐步过渡到说服）是否能减轻在线政治话语中的反弹效应。
• 考察社交互动（如点赞用户帖子）是否能增强在线环境中说服策略的有效性。
• 评估信息策略与人际互动相结合对减少反移民话语中极端语言使用的影响。
• 检验通过观点节奏调整实现群体内认同是否比直接辩论更有利于提升说服效果。
• 探索持续、细致的信息传递对社交媒体环境中用户语言模式的长期影响。

提出的方法

• 在Twitter上开展纵向实地实验，使用自动化机器人向具有反移民情绪的用户实施干预措施。
• 实施“辩论”策略——仅发送支持移民的直接信息，不包含任何社交互动。
• 应用“节奏引导与引领”策略——先发布反移民内容以建立亲和感，随后逐步转向支持移民的信息。
• 引入“社交互动”策略——机器人点赞用户帖子，以模拟社交联系与亲和感建立。
• 将节奏引导与引领策略与社交互动结合，以检验其在说服效果上的协同效应。
• 通过四个实验阶段测量极端反移民语言使用的变化，作为反弹效应的代理指标。

实验结果

研究问题

• RQ1 与直接辩论相比，节奏引导与引领是否能减轻在线政治话语中的反弹效应？
• RQ2 增加社交互动（如点赞用户帖子）是否能提升说服策略的有效性？
• RQ3 节奏引导与引领和社交互动之间是否存在显著的交互效应，以减轻反弹效应？
• RQ4 这些干预措施的效果在不同实验阶段随时间如何演变？
• RQ5 持续、渐进的信息传递结合社交参与是否能减少政治敏感在线话语中的极端语言使用？

主要发现

• 节奏引导与引领结合社交互动（PC）是效果最佳的干预措施，在第二和第三阶段显著减少了极端反移民语言的使用。
• 仅通过社交互动的辩论（AC）始终产生反弹效应，导致极端语言使用较对照组增加。
• 仅使用节奏引导与引领但无社交互动（P）表现出中等效果，但不及PC条件。
• 仅通过辩论但无社交互动（A）对减少极端语言使用无显著影响。
• 在第四阶段，所有干预措施之间无显著差异，表明干预结束后无持久的长期分化。
• 在第四阶段，所有干预措施均观察到反弹效应，表明极端语言使用可能存在反弹或恢复正常化趋势。