[论文解读] State-level Racially Motivated Hate Crimes Contrast Public Opinion on the #StopAsianHate and #StopAAPIHate Movement

Hanjia Lyu, Yangxin Fan+3 more|arXiv (Cornell University)|Apr 29, 2021

Hate Speech and Cyberbullying Detection参考文献 24被引用 5

一句话总结

本研究利用2021年3月18日至4月11日期间来自美国30个州的46,058名Twitter用户，分析了公众对#StopAsianHate和#StopAAPIHate运动的舆论。研究发现，女性、年轻成年人以及亚裔和非裔美国人社区的参与度更高，其中51.56%的用户明确表示支持；值得注意的是，具有更高种族动机仇恨犯罪率的州对这一运动的负面情绪最弱，表明本地仇恨犯罪发生率与公众支持之间可能存在关联。

ABSTRACT

#StopAsianHate and #StopAAPIHate are two of the most commonly used hashtags that represent the current movement to end hate crimes against the Asian American and Pacific Islander community. We conduct a social media study of public opinion on the #StopAsianHate and #StopAAPIHate movement based on 46,058 Twitter users across 30 states in the United States ranging from March 18 to April 11, 2021. The movement attracts more participation from women, younger adults, Asian and Black communities. 51.56% of the Twitter users show direct support, 18.38% are news about anti-Asian hate crimes, while 5.43% show a negative attitude towards the movement. Public opinion varies across user characteristics. Furthermore, among the states with most racial bias motivated hate crimes, the negative attitude towards the #StopAsianHate and #StopAAPIHate movement is the weakest. To our best knowledge, this is the first large-scale social media-based study to understand public opinion on the #StopAsianHate and #StopAAPIHate movement. We hope our study can provide insights and promote research on anti-Asian hate crimes, and ultimately help address such a serious societal issue for the common benefits of all communities.

研究动机与目标

• 通过社交媒体话语理解公众对#StopAsianHate和#StopAAPIHate运动的看法。
• 考察性别、年龄、种族和政治倾向等用户人口统计特征如何影响参与度与情感倾向。
• 探究州级种族动机仇恨犯罪与公众对运动情感倾向之间的关系。
• 识别公众话语中主导的主题。

提出的方法

• 使用Tweepy API在2021年3月18日至4月11日期间收集了46,058名独立Twitter用户资料及其公开推文。
• 通过内容分析将推文划分为六大主题类别，包括支持、新闻和负面情绪等。
• 使用逻辑回归模型分析用户人口统计和行为特征如何预测其对运动的情感倾向。
• 将联邦调查局提供的州级仇恨犯罪数据与各州负面情绪推文的比例进行相关性分析。
• 利用用户自报数据（如性别、种族、政治关注）评估参与模式与情感差异。
• 应用统计建模检验仇恨犯罪率与公众舆论之间的关联，同时控制用户层面变量。

实验结果

研究问题

• RQ1 在Twitter上，关于#StopAsianHate和#StopAAPIHate运动的公众话语中，主导主题和情感模式是什么？
• RQ2 性别、年龄、种族和政治倾向等人口统计因素如何影响公众在该运动中的参与度与情感倾向？
• RQ3 州级种族动机仇恨犯罪率与#StopAsianHate和#StopAAPIHate运动负面情绪比例之间是否存在显著关系？
• RQ4 与其它州相比，仇恨犯罪率较高的州的用户是否表现出更强或更弱的支持？

主要发现

• 在46,058名Twitter用户中，51.56%明确表达了对#StopAsianHate和#StopAAPIHate运动的直接支持，18.38%分享了有关反亚裔仇恨犯罪的新闻。
• 女性（55.68%）和年轻成年人（18至29岁者占46.96%）在研究样本中占比更高，表明这些群体参与度更高。
• 亚裔用户（25.29%）和非裔美国人用户（19.43%）在样本中的比例高于其在Twitter总体用户中的占比，表明社区参与度强烈。
• 仇恨犯罪率最高的州对运动的负面情绪比例最低，表明仇恨犯罪发生率与公众负面情绪之间存在负相关关系。
• 逻辑回归分析显示，非裔用户在涉及“双重标准”和“政策”等话题时，表现出更强烈的负面情绪，其系数分别为-0.98***和1.24***。
• 仇恨犯罪率较高的州与较低的负面情绪显著相关（系数 = 3.15**），表明本地受害经历可能促进团结而非反弹。