Islamofobie is een ernstig probleem dat miljoenen mensen over de hele wereld treft. De afgelopen jaren is het aantal islamofobe haatzaaiende uitlatingen online toegenomen, vooral op sociale mediaplatforms zoals Twitter. Deze haatzaaiende uitlatingen kunnen een verwoestende impact hebben op de geestelijke gezondheid en veiligheid van moslimindividuen en -gemeenschappen.

Een van de uitdagingen bij het bestrijden van islamofobe haatzaaiende uitlatingen is het feit dat deze moeilijk te identificeren kunnen zijn. Er bestaat geen eenduidige definitie van islamofobie, en de manier waarop deze zich manifesteert kan van persoon tot persoon verschillen. Dit maakt het moeilijk voor geautomatiseerde tools om islamofobe haatzaaiende uitlatingen met een hoge mate van nauwkeurigheid te detecteren.

Onze aanpak

Om deze uitdaging aan te gaan, hebben we een tool ontwikkeld die een combinatie van natuurlijke taalverwerking (NLP) en machine learning-technieken gebruikt om de kracht van islamofobe haatzaaiende uitlatingen op Twitter te detecteren. Onze tool is gebaseerd op een dataset van ruim 10.000 tweets die handmatig zijn geannoteerd door experts op het gebied van islamofobie.

De tool werkt door eerst een reeks kenmerken uit elke tweet te extraheren, zoals de frequentie van bepaalde trefwoorden, de aanwezigheid van termen voor haatzaaiende uitlatingen en het sentiment van de tweet. Deze functies worden vervolgens gebruikt om een ​​machinaal leermodel te trainen dat de kracht van islamofobe haatzaaiende uitlatingen op Twitter kan voorspellen.

Het model wordt getraind met behulp van een begeleide leerbenadering, wat betekent dat het wordt voorzien van een reeks gelabelde gegevens (d.w.z. tweets die handmatig zijn geannoteerd als islamofoob of niet) en leert de kenmerken te identificeren die het meest indicatief zijn voor islamofobie. Zodra het model is getraind, kan het worden gebruikt om de kracht van islamofobe haatzaaiende uitlatingen op nieuwe tweets te voorspellen.

Evaluatie

We hebben de prestaties van onze tool geëvalueerd met behulp van een holdout-testset van tweets. De tool behaalde een nauwkeurigheid van 85% bij het identificeren van islamofobe haatzaaiende uitlatingen, wat aanzienlijk hoger is dan de prestaties van basismethoden.

Impact

Onze tool is gebruikt om duizenden islamofobe haatzaaiende tweets van Twitter te identificeren en te verwijderen. Dit heeft bijgedragen aan het creëren van een veiliger omgeving voor moslimgebruikers op het platform en heeft bijgedragen aan de strijd tegen islamofobie online.

Conclusie

Wij zijn van mening dat ons instrument een waardevol hulpmiddel is voor de bestrijding van islamofobe haatzaaiende uitlatingen op Twitter. De tool is accuraat en efficiënt en kan worden gebruikt om haatdragende tweets in realtime te identificeren en te verwijderen. We hopen dat onze tool Twitter een veiliger plek zal maken voor moslimgebruikers en zal bijdragen aan de strijd tegen islamofobie online.