Lexical features of cyberbullying on English social media websites

Frederic Van Hauwaert
Persbericht

Lexical features of cyberbullying on English social media websites

Computers tegen cyberpesten

Niemand twijfelt er nog aan dat de opkomst van het internet een nieuw tijdperk heeft ingeluid. Zonder problemen voeren we gesprekken met vrienden of kennissen aan de andere kant van de wereld, kopen we via allerhande webshops alles wat we maar kunnen bedenken, of wandelen we dankzij Google Maps vanuit onze luie zetel door de gezellige straatjes van Quartier Latin. It’s all just a mouseclick away.

Niet alles is echter rozengeur en maneschijn. Internet mag de wereld dan wel wat dichter bijeen gebracht hebben, ook minder gewenste fenomenen hebben hun weg naar het wereldwijde web gevonden. Denk bijvoorbeeld aan hackers of oplichters, die niet alleen steeds inventiever worden, maar ook almaar driester te werk gaan. Een ander fenomeen dat zijn opgang heeft gemaakt in de digitale omgeving, is pesten, in deze context cyberpesten genoemd.

Cyberpesten

Als we de cijfers mogen geloven, dan wordt naar schatting tussen de twintig en veertig procent van de jongeren ooit geconfronteerd met pesten, zij het nu als slachtoffer, dader of omstaander. Vaak gaat het om eenmalige gevallen, maar een substantiële minderheid is op regelmatige basis het slachtoffer van pesterijen.

Met de opkomst van het internet is dat probleem alleen maar in omvang toegenomen. Enerzijds verlaagt de mogelijkheid anoniem te blijven namelijk de drempel voor potentiële daders om ook effectief te gaan pesten. Anderzijds krijgen slachtoffers nu niet langer alleen af te rekenen met pesten op school, maar ook daarbuiten. Jongeren worden als het ware door pestkoppen achtervolgd, zelfs tot in de slaapkamer. Dat geeft hen een sterk gevoel van onveiligheid, maar vooral ook van machteloosheid.

Dat cyberpesten niet te onderschatten is, tonen ook verscheidene internationale studies aan: jongeren die regelmatig gepest worden, voelen zich depressiever, gaan zichzelf sneller verminken en denken ook vaker aan zelfmoord. Vooral bij jongeren die zowel op school als online gepest worden, zijn de gevolgen soms zwaar.

De Zelfmoordlijn

Om slachtoffers van klassiek pesten bij te staan bestaan al heel wat programma’s, waarbij vooral de preventiecomponent heel sterk doorweegt. Bij cyberpesten ligt het net iets anders. Op school spelen toezichthouders bijvoorbeeld een cruciale rol om pesten tegen te gaan, maar in een online omgeving zijn die nagenoeg afwezig. Bovendien is gebleken dat slachtoffers het gepest slechts in uitzonderlijke gevallen aan hun ouders meedelen, deels uit angst om de toegang tot de computer ontzegd te worden, maar ook uit schaamte.

Online hulpsites zoals de Zelfmoordlijn lijken dus de enige oplossing om slachtoffers bij te staan. De vrijwilligers die voor dergelijke sites werken, worden echter overstelpt en kunnen de vele hulpkreten niet langer alleen verwerken.

Net daar kan de studie ‘Lexical Features of Cyberbullying on English Social Media Websites’ een mogelijke oplossing bieden. Het doel van deze paper was namelijk een lexicale beschrijving aan te reiken van cyberpesten op Engelstalige sociale media. Aan de hand van een klein corpus berichten werden enkele (opvallende) kenmerken typisch voor cyberpesten naar voren gehaald.

In de eerste plaats geeft dat ons meer inzicht in de verschillende vormen die kwetsende boodschappen op sociale media zoal kunnen aannemen. Belangrijker is echter dat we computersystemen kunnen aanleren sommige van die kenmerken te herkennen. Zo kunnen computers als het ware zelfstandig sociaalnetwerksites gaan scannen op kwetsende inhoud. Daaraan gekoppeld kunnen er automatisch boodschappen gestuurd worden naar daders of slachtoffers om zo respectievelijk pestgedrag af te keuren of raad te geven. Uiteindelijk moet dat de werklast van vrijwilligers bij sites zoals de Zelfmoordlijn verlichten, zodat zij zich dan weer kunnen concentreren op die gevallen waar echt een persoonlijke aanpak vereist is.

Valsspelers en geniepigaards

Hoewel cyberpesten alomtegenwoordig is, blijkt het toch geen sinecure om data (voorbeelden van cyberpesten) te verzamelen. Dat is vooral te wijten aan het taboe rond pesten: voor jongeren blijft het moeilijk om toe te geven dat ze gepest worden. Toen de mensen achter het AMICA-project van de UGent bijvoorbeeld via de media een oproep lanceerden om jongeren aan te zetten voorbeelden van cyberpesten in te sturen, bleef de respons grotendeels uit. Ook soortgelijke oproepen in andere landen leverden niet de gewenste resultaten op. Er bestaan bijgevolg geen grote cyberpestdatasets die zomaar onderzocht kunnen worden.

Als onderzoeker ben je dus verplicht om in eerste instantie manueel sociaalnetwerksites te gaan scannen. Ook voor dit onderzoek werden ongeveer 125 cyberpestberichten verzameld door manueel sites als Ask.fm, Facebook en Spring.me af te gaan. Op basis van die berichten werden dan enkele kenmerken geselecteerd voor een automatische zoekopdracht, die nog eens 125 berichten opleverde.

Tijdens de manuele zoektocht vielen twee dingen op: heel wat berichten die op het eerste gezicht op voorbeelden van cyberpesten leken, bleken uiteindelijk deel uit te maken van conversaties tussen vrienden of kennissen. Dat type data wordt ook wel false positives genoemd. In de paper worden ook deze berichten besproken en wordt bovendien nagegaan in welke opzichten deze ‘valsspelers’ verschillen van echte cyberpestgevallen, opdat ook computers later het onderscheid zouden kunnen maken.

Daarnaast bleek ook dat pestkoppen hun boodschappen vaak nogal onopvallend weergeven. In veel gevallen wordt de echte inhoud pas duidelijk door de context waarin hij verschijnt. Deze ‘geniepigaards’ zijn al wat moeilijker te beschrijven dan cyberpestberichten vol scheldwoorden, maar ook hier vallen toch enkele kenmerken op. In hoeverre een computer dit type data zou herkennen als voorbeelden van cyberpesten is op dit moment wel moeilijk te zeggen.

Perspectieven

De paper die in dit artikel beschreven staat, is redelijk beperkt, aangezien de gebruikte dataset (250 voorbeelden van cyberpesten) niet bijster groot is. Toch kan hij een start zijn voor verder onderzoek. Niet alleen kan een onderzoeker op basis van de beschreven kenmerken gemakkelijker een veel grotere dataset gaan opbouwen, hij of zij kan ook beginnen na te gaan of een computer met deze kenmerken aan de slag kan. De dataset die gebruikt werd, is weliswaar enkel van toepassing op Engelstalige cyberpestberichten, maar ze biedt wel perspectieven voor eventueel soortgelijk onderzoek in Vlaanderen of Nederland.

Bibliografie

Baroni, M., Bernadini, S. (2004). BootCaT: Bootstrapping Corpora and Terms from the Web. Retrieved from: http://sslmit.unibo.it/∼baroni/bootcat.html

Dadvar, M. (2014). Experts and machines united against cyberbullying. Unpublished doctoral dissertation, University of Twente, Enschede, The Netherlands.

Davis, K., Randall, D. P., Ambrose, A., & Orand, M. (2015). I was bullied too: stories of bullying and coping in an online community. Information, communication and society, 18(4), 357-375.

Dinakar, K., Jones, B., Havasi, C., Lieberman, H., Picard, R. (2012). Common sense reasoning for detection, prevention and mitigation for cyberbullying. ACM Transactions on interactive intelligent systems, 2(3), article 18.

Due, P., Holstein, B. E., Lynch, J., Diderichsen, F., Gabhain, N. S., Scheidt, P., Currie, C. (2005). Bullying and symptoms among shool-aged children: international comparative cross sectional study in 28 countries. European journal of public health, 15(2), 128-132.

Hinduja, S. & Patchin, J. W. (2010). Bullying, cyberbullying, and suicide. Archives of suicide research, 14(3), 206-221.

Hinduja, S., Patchin, J. W. (2014). Cyberbullying glossary, brief overview of common terms. Retrieved from: http://cyberbullying.us/cyberbullying_glossary.pdf

IWT Agentschap voor Innovatie door Wetenschap en Technologie. (2012). Zes jaar onderzoek naar cyberpesten in Vlaanderen, België en daarbuiten: een overzicht van de bevindingen [White paper]. Antwerpen.

Juvoven, J., & Gross, E. F. (2008). Bullying experiences in cyberspace. The Journal of School Health, 78, 496–505.

Kontosthatis, A., Reynolds, K., Garron, A., Edwards, L. (2013). Detecting cyberbullying: query terms and techniques. Proceedings of the 5th Annual ACM Web Science Conference, 195-204. Retrieved from: http://dl.acm.org/dl.cfm?CFID=504770005&CFTOKEN=34644437

Olweus, D. (1993). Bullying at school. Cambridge: Blackwell Publishing.

Olweus, D. (2013). School bullying: development and some important challenges. Annual review on clinical psychology, 9, 751-780.

Patchin, J. W., & Hinduja, S. (2006). Bullies move beyond the schoolyard: a preliminary look at cyberbullying. Youth violence and juvenile justice, 4(2), 148-169.

Smith, P. K., del Barrio, C., & Tokanuga, R. S. (2013). Definitions of bullying and cyberbullying: how useful are the terms? In Bauman, S., Cross, D., & Walker, J. L. (eds.), Principles of cyberbullying research: definitions, measures and methodology. (pp. 26-40). London: Routledge.

Tokanuga, R. S. (2010). Following you home from school: a critical review and synthesis of research on cyberbullying victimization. Computers in human behaviour, 26, 277-287.

Vandebosch, H., & Van Cleemput, K. (2008). Defining cyberbullying: a qualitative research into the perceptions of youngsters. CyberPsychology & Behavior, 11(4), 499-503.

Vandebosch, H., Van Cleemput, K., Mortelmans, D., & Walrave, M. (2006). Cyberpesten bij jongeren in Vlaanderen: onderzoeksrapport. Brussel: viWTA. Retrieved from www.viwta.be/files/Eindrapport_cyberpesten_(nw).pdf

Wegge, D., Vandebosch, H., & Eggermont, S. (2014). Who bulllies whom online: a social network analysis of cyberbullying in a school context. Communications, 39(4), 415-433. doi:10.1515/commun-2014-0019

Ybarra, M. L., & Mitchell, K. J. (2004). Online aggressor/targets, aggressors, and targets: a comparison of associated youth characteristics. Journal of child psychology and psychiatry, 45(7), 1308-1316.

Ybarra, M. L., Espelage, D. L., & Mitchell, K. J. (2014). Differentiating youth who are bullied from other victims of peer-aggression: the importance of differential power and repetition. Journal of adolescent health, 55, 293-300.

Ybarra, M. L., Mitchell, K. J., Wolak, J., & Finkelhor, D. (2006). Examining characteristics and associated distress related to internet harassment: findings from the second Youth Internet Safety Survey. Pediatrics 118(4), 1169-1178. 

Universiteit of Hogeschool
Bachelor in de Toegepaste Taalkunde
Publicatiejaar
2015
Share this on: