اکثر محققان و مشاوران
قلدری سایبری را چیزی شبیه "عمل چرخاشگرانه عمدی .
و مکرر(اما نه همیشه) تعدیل شده از طریق برخی اشکال اتصالات الکترونیکی" تعریف می کنند.
اما ما چگونه تعریف علمی در قالب درک واقعی نوع پیامی که افراد به صورت آنلاین رد و بدل می کنند.
را تعبیر می کنیم؟مثلا قلدری ممکن است موجب اظهارات موهنی درمورد تصاویر اینستاگرامی متعدد افراد شود.
اما دیگر بینندگان ممکن است فقط یکی از این اظهارات را ببینند.
جنگیدن در فضای سایبری
- این گونه معماها تشخیص [replacer_a] را برای تماشاچیان آنلاین پیچیده می کند.
- تماشاچیان آنلاین افرادی هستند که شاهد پرخاشگری آنلاین بوده است.
- و می تواند به طور بالقوه دخالت کنند.
- اما اغلب آنها قربانی یا مجرم را نمی شناسند و ار رابطه آنها اطمینان ندارند.
- و اگر باشد مضمون خیلی کمی برای تبادل دارند.
در پست های بدون مضمون، تماشاچیان ناگزیر فقط بر محتوای پیام ها تکیه می کنند.
و هنگام ماندن بین چه وقت و چگونه واکنش نشان دادن حیران می مانند.
و در نتیجه به احتمال کمتری مداخله و قلدر را افشاء کنند.
در تحقیقات اخیر ما نگاهی داشته ایم بر نحوه تأثیرعواملی مانند تکرار، تعداد جرائم و
بازنشرپیام ها .
و میزان درک افراد از پیام های قلدرمأبانه در سایت هایی مانند توئییتر.
ما دریافتیم که به احتمال زیاد تماشاچیان وقتی قلدری را می شناسند.
که قلدری های متعددی هر کدام با
قلدری سایبری انجام شود.
یک وقتی موقعیتی مبهم تر می شود؛ خواه به دلیل توئیت دوباره یک نوع محتوای پیام ها از طریق تنها یک قلدریا چند قلدر.
که برای تماشاچیان اینکه آنها شاهد قلدری سایبری هستند یا خیر نامفهوم بود.
و تمایل کمتری به انجام اقداماتی همچون متوقف کردن
پست قلدری سایبری دارند.
دلایل قلدری سایبری
این نشان دهنده اهمیت این موضوع نزد تماشاچیان بالقوه برای دیدن محتوای بیشتری از
رویدادهای قلدری سایبری.
مانند سابقه تعامل، افراد درگیر، پست های تبادل شده است .
مگر اینکه که ما امیدواریم آنها را در تبدیل شدن به عضو واکنش دهنده و
قلدری توئیتی برانگیزانیم.
برای مثال خط مشی های رسانه اجتماعی می تواند خصیصه ای را عملی کند.
که از آن طریق به بینندگان اجازه دیدن محتوای بیشتری از پست ها؛ "
پست های درخواستی" خاص رویدادهایی را بدهد .
که به عنوان قلدری سایبری بالقوه در نظر گرفته می شوند بلکه آنها بتوانند تصمیم بگیرند .
که آیا جلوی انتشار اینگونه پست ها را بگیرند یا اینکه از راههای دیگری وارد عمل شوند.
قلدری سایبری را ریشه کنچگونه تماشاچی باشیم می توانیم قلدری سایبری را ریشه کن کنیم؟
مسئله بازشناسی قلدری سایبری تنها اولین گام برای تحریک تماشاچیان آنلاین برای عمل است.
- براساس آمار و ارقام جدید70درصد از کاربران بزرگسال اینترنت گزارش می کنند.
- شاهد برخی از اشکال آزار و اذیت آنلاین هستند.
- تعداد ناظران زیاد است و خیلی از افراد می توانند.
- به طور خودجوش در توقف این آزار و اذیت گام بردارند.
- اما وادار کردن افراد به واقعاً وارد عمل شدن پروسه ای پیچیده است.
- حتی وقتی تماشاچیان قلدری سایبری را می شناسند.
- تضمینی در اینکه واقعاً واکنش نشان دهند نیست.
همانطور که بی تفاوتی تماشاچیان در مطالعات زیادی به شکل آفلاین مستند شده است .
افراد تمایلی به دست به کار شدن و مداخله حتی با پی بردن به
پاسخگوی آنلاین ندارند.
- تحقیقات تماشاچی گرا به ما می گوید که این بدان دلیل است .
- که ما هریک تصور می کنیم که بقیه وارد عمل خواهند شد.
- از اینها گذشته، زیرا ما نمی دانیم که چه کسی [replacer_a] است .
- و نیز از اینکه آیا دیگران قبلاً واکنش نشان داده اند یا خیر نیز چیزی نمی دانیم.
- یک گام مهم در تماشاچی بودن برای کمک به توقف قلدری سایبری از آن جهت است.
- که آنها مسئولیت کمک رسانی را بر عهده بگیرند.
- یکی از آنها آن است که تماشاچی ها ممکن است .
- متوجه آسیبی که قلدری سایبری منشأ آن باشد نشوند.
- آموزش افراد در اثرات آسیب زای قلدری سایبری، اثرات مداخله ای .
- و افزایش همدلی نسبت به قربانی های قلدری سایبری می تواند.
- به ایجاد [replacer_a] های شخصی شود.
- تماشاچیان در شبکه های اجتماعی می توانند .
- رویدادهای مجازی قلدری سایبری را پیچیده نشان دهند.
- بدون اینکه کسی بداند که این تماشاچیان تا به حال قلدری را دیده اند.
- خلق موقعیت هایی که باعث [replacer_a] کمتر آنلاین در تماشاچیان شود.
- ممکن است حس پاسخگویی بیشتر را ترغیب کند.
هوش مصنوعی (IA)
من چگونه از
هوش مصنوعی (IA) یا سیستم های خودکار بهره مند شوم می توانم جلوی قلدری را بگیرم؟
بسیاری از ابزارهای جلوگیری از قلدری سایبری استفاده شده است.
از طذیق رسانه های اجتماعی بر هوش مصنوعی یا
تکنیک های یادگیری ماشینی متکی هستند.
این ابزارها برنامه هایی کامپیوتری برای کشف عبارات یا رفتارهای خاصی.
مانند زبان قلدری در
رسانه اجتماعی را آموزش می دهند.
- برای مثال به تازگی یوتیوب گزارش داده است که الگوریتم های خودبخود تضعیف کننده است .
- ومسئول حذف80درصد از 2/8 میلیون ویدئویی هستند .
- که پا را از دستورالعمل های اجتماعی سایت ها فراتر نهاده اند.
- این ابزارهای خودکار برای یافتن و حذف انواع محتواهای خاص قبلاً زیان بار مفید هستند.
- اما مانند بسیاری از انسان های مسئول تعدیل سازی محتوا آنها در ارزیابی مضمون.
- یا مرور ظرافت های تعامل انسانی مثمر ثمر نیستند.
- سیستم هوش مصنوعی احتمالاً به ما چیزی از تفاوت بین شوخی های خودمانی.
- و نمونه های واقعی قلدری سایبری نگوید.
- روش نویدبخش بعدی برای پیشگیری از قلدری سایبری حمایت شده است.
از طریق
وضع اضطراری درک نحوه همکاری افراد و سیستم های خودکار با یکدیگر است.
ما نیاز به بررسی سؤالاتی پیرامون چگونگی تفسیر زبان انسانی توسط سیستم هوش مصنوعی .
و نحوه تفسیر افراد ار کارکردهای درونی
سیستم های هوش مصنوعی خواهیم داشت.
ما نیز لاجرم با این واقعیت باید دست و پنجه نرم کنیم .
که سیستم های برای ایفای نقش های خود براساس داده های جمع آوری شد.
از اعمال انسانی آموزش داده می شوند بدین معنا که آنها احتمالاً مرتکب همان اشتباهات انسانی نمی شوند.
رفتار اجتماعی باقلدری سایبری
در کل قلدری سایبری و
رفتارهای ضداجتماعی مسائلی پایدار هستند .
که از طریق درجه وگسترش رسانه های اجتماعی مدرن تشدید می شوند.
پاسخ های این سؤالات قلدری سایبری چندوجهی هستند.
برنامه های آموزشی در مدارس و نیز کمک های والدین و نوجوانان(همسالان) .
برای کمک به مورد توجه قرار دادن قلدری سایبری ضرورت دارند.
گسترش طرح های جدید و
سیستم های کامپیوتری از شرکت های وابسته به رسانه اجتماعی می بایست .
در جهت به حداقل رساندن ظهور و ارائه راه حل های قلدری سایبری هدف گذاری شود.
در نهایت، پیاده سازی خط مشی ها و وضع قانون باید با برنامه های آموزشی.
و طرح راه حل هایی برای ایجاد یک رویکرد چندجانبه در راستای این مسئله بغرنج همراه باشد.
Key Questions in the Fight Against Cyberbullying