[论文解读] Parlermonium: A Data-Driven UX Design Evaluation of the Parler Platform

Emma Pieroni, Peter Jachim+2 more|arXiv (Cornell University)|Jun 1, 2021

Innovative Human-Technology Interaction参考文献 9被引用 4

一句话总结

本文通过对 Parler 平台开展数据驱动的用户体验（UX）设计评估，揭示其界面——包括匿名性、视觉提示稀少以及对意见领袖的优先推荐——如何加剧错误信息和极端主义叙事的传播。通过在 Parler 数据上应用语言学分析、对应分析和回归建模，研究发现该平台的设计主动鼓励负面情绪、低真实性内容以及未经核实言论的快速传播，尤其是在2020年国会山骚乱事件及推特内容审核事件之后。

ABSTRACT

This paper evaluates Parler, the controversial social media platform, from two seemingly orthogonal perspectives: UX design perspective and data science. UX design researchers explore how users react to the interface/content of their social media feeds; Data science researchers analyze the misinformation flow in these feeds to detect alternative narratives and state-sponsored disinformation campaigns. We took a critical look into the intersection of these approaches to understand how Parler's interface itself is conductive to the flow of misinformation and the perception of "free speech" among its audience. Parler drew widespread attention leading up to and after the 2020 U.S. elections as the "alternative" place for free speech, as a reaction to other mainstream social media platform which actively engaged in labeling misinformation with content warnings. Because platforms like Parler are disruptive to the social media landscape, we believe the evaluation uniquely uncovers the platform's conductivity to the spread of misinformation.

研究动机与目标

• 探究 Parler 的用户体验（UX）设计选择如何助长错误信息和另类叙事的传播。
• 分析平台的界面与互动模式作为未经核实言论和极端内容传播的渠道。
• 考察匿名性、视觉设计以及意见领袖动态在塑造 Parler 用户行为与内容病毒式传播中的作用。
• 评估 Parler 内容的语言与情感基调，特别是在诸如2020年国会山骚乱等高影响力事件期间。
• 评估 Parler 所宣称的‘言论自由’是否在功能上存在单边倾向，偏向特定叙事而忽视平衡对话。

提出的方法

• 对 Parler 的界面开展定性 UX 设计分析，重点关注视觉美感、匿名性以及用户互动模式。
• 使用语言学分析工具（LIWC）收集并分析 Parler 的 parleys（帖子）数据集，以衡量分析思维、影响力、真实性以及情感基调。
• 应用对应分析以识别共现主题与词汇聚类，特别关注‘Twitter’与‘Capitol’。
• 构建二阶线性回归模型以预测名词-动词对的频率：$\ln(tpc) = -3.723 + 1.063e^{-3} \cdot vc + 1.873e^{-6} \cdot nc - 1.242e^{-7} \cdot vc^{2} + 9.991 \cdot \log(nc) + \epsilon$。
• 使用调整后的 R² 为 90.7% 来验证模型对词汇对共现模式的解释力。
• 对比整体 Parler 内容与聚焦于‘Twitter’和‘Capitol’的子集之间的语言特征，以检测情感与信心水平的变化。

实验结果

研究问题

• RQ1 Parler 的 UX 设计，包括匿名性与视觉极简主义，如何影响错误信息的传播？
• RQ2 Parler 内容的语言与情感特征是什么，特别是在政治敏感事件（如2020年国会山骚乱）期间？
• RQ3 关键词汇如‘Twitter’与‘Capitol’在 parleys 中共现的程度如何，它们形成了怎样的叙事？
• RQ4 平台上的意见领袖与高影响力用户如何塑造话语并放大特定叙事？
• RQ5 Parler 的设计在多大程度上优先考虑传播速度与情绪强度，而非事实准确性或信息源核实？

主要发现

• Parler 的界面设计，包括锯齿状的 UI 元素与低视觉对比度，强化了其边缘化身份，吸引寻求替代性数字空间的用户。
• 该平台对相对匿名性的强调以及身份标识的稀少，抑制了信息源核查行为，导致未经核实的言论得以 unchecked 传播。
• 语言学分析显示‘影响力’得分较高（整体为 75.91，Twitter/Capitol parleys 为 83.83），表明用户对叙事（尤其是关于审查的指控）具有高度自信。
• ‘真实性’得分较低（整体为 16.64，Twitter/Capitol 为 16.17），表明内容重复且公式化，多为对已验证意见领袖叙事的复述。
• 情感基调一贯为负面（整体为 35.67，Twitter/Capitol 为 20.96），后者对推特内容审核行为表现出最强敌意。
• 回归模型解释了 90.7% 的名词-动词对共现模式的方差，证实了‘Twitter’与‘Capitol’等主题在共享话语语境中存在强烈相互依赖性。