加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
Balancing Acts: Unveiling the Dynamics of Post Removal on Social Media User-Generated Content
用户生成内容（UGC）在推动平台的采用和参与方面至关重要，既影响用户也影响平台所有者。尽管UGC具有积极影响，但用户经常违反平台准则并生成低质量内容。为应对这些挑战，在线平台通常采用内容审核策略，包括删除违反社区准则的帖子。帖子删除对后续UGC创作的影响仍不确定。一些研究表明，用户封禁等审核手段会引发心理抗拒，可能导致UGC数量增加但质量下降。相反，学习理论认为，帖子删除可以作为一种纪律措施，鼓励用户学习并内化社区准则，从而调整其行为。我们探讨了Reddit上帖子删除对UGC质量的影响。此外，我们还探讨了源自用户自身被惩罚经历、用户观察他人面临类似后果以及审核背后原因的学习过程。我们的研究结果表明，帖子删除显著减少了用户未来的规则违规行为，并鼓励生成更高质量的帖子（表现为点赞数的增加）。这些结果表明，帖子删除作为一种纪律措施，促进了用户学习，激励用户遵守社区准则并贡献更高质量的内容。本研究的意义延伸至理论和实践领域，为平台运营者利用帖子删除作为内容审核策略引导用户产生高质量内容提供了有价值的见解。
Abstract
User-generated content (UGC) is pivotal in driving the adoption and engagement of platforms, influencing both users and platform owners. Despite UGC's positive impact, users often violate platform guidelines and generate low-quality content. In response to these challenges, online platforms commonly employ content moderation strategies, including the removal of posts that violate community guidelines. The impact of post removal on subsequent UGC creation remains uncertain. Some studies suggest that moderation tactics, such as user bans, induce a psychological backlash, potentially leading to increased UGC quantity but a decline in quality. Conversely, the learning theory suggests that the removal of posts can serve as a disciplinary measure, encouraging users to learn and internalize community guidelines and adjust their behavior accordingly. We explore the consequences of post removal on UGC quality on Reddit. Additionally, we explore the learning processes derived from users' own experiences of being punished, from users' observations of others facing similar consequences, and from the underlying reasons for moderation. Our findings indicate that post removal significantly decreases users' future rule violations and encourages the generation of higher-quality posts (as evidenced by an increase in upvotes). These results suggest that post removal, as a disciplinary measure, fosters user learning, motivating users to adhere to community guidelines and contribute superior quality content. This study's implications extend to theoretical and practical domains and provide valuable insights for platform operators on leveraging post removal as a content moderation strategy to guide users toward producing high-quality content.
帖子删除显著降低用户未来违规帖子比例
采用双重差分法（DID）和双向固定效应模型，以用户是否被审核（Moderation）为核心解释变量，以后续被审核帖子占总发帖比例（Ratio_moderated）为被解释变量。在匹配样本上估计结果显示，帖子删除使后续被审核帖子比例下降0.194（p<0.01），表明用户在被删帖后减少了违规行为。
帖子删除显著提高帖子平均点赞数约13.54%
以帖子平均点赞数对数（Upvotes）为被解释变量，双向固定效应模型估计显示，帖子删除使后续帖子平均点赞数增加0.127（对数尺度），换算为约13.54%（=exp(0.127)-1），表明用户在被删帖后生成了更高质量的内容，获得更多社区认可。
过往被删帖比例越高，学习效应越强
交互效应分析表明，用户累计被删帖比例每增加10%，后续被审核帖子比例额外下降0.343%（=0.0343×10%），点赞数额外增加0.390%（=0.0390×10%）。说明反复受到惩罚增强了用户对社区规则的学习，支持学习理论而非心理抗拒理论。
观察同伴被删帖强化自身帖子删除的学习效果
以同伴累计被删帖比例为调节变量的交互分析显示，同伴被删帖比例每增加10%，用户自身被审核帖子比例额外下降0.234%（=0.0234×10%），点赞数额外增加0.224%（=0.0224×10%）。表明观察学习（vicarious learning）增强了帖子删除对内容质量的积极影响。
提供审核指南时学习效果更显著
分组回归显示，当版主在删帖时附带具体准则说明时，帖子删除使点赞数显著增加0.130（p<0.01），而仅告知原因但不提供指南时点赞数变化不显著（0.00744，不显著）。说明明确的规则指引是促进用户学习的关键机制。
核心解释变量
核心解释变量为Moderation（用户帖子是否被版主删除的虚拟变量），以及调节变量：用户自身累计被删帖比例（ratio_moderated_focal_cumu）和同伴累计被删帖比例（ratio_moderated_peer_cumu）
被解释变量
被解释变量为Ratio_moderated（后续被审核帖子占全部发帖的比例，衡量未来规则违规）和Upvotes（后续帖子平均点赞数的对数，衡量内容质量），均在t+1期测量以缓解反向因果
样本与数据
数据来自Reddit平台，采集时间为2022年8月24日至10月29日共10周。随机选取40个子版块，保留在观测期内至少两周发帖的Reddit用户。最终样本包含9,819名用户和99,025条帖子，其中6,410条被版主删除的帖子来自3,116名用户。面板数据共98,190个用户-周观测。使用PSM匹配后可用观测为7,156个（3,578对匹配用户）。
识别方法 / 模型设定
采用双重差分法（DID）结合双向固定效应（TWFE）模型。为处理处理效应异质性，使用交互固定效应反事实估计量（IFEct estimator, Liu et al. 2024）。采用倾向得分匹配（PSM）处理自选择问题，匹配变量包括用户评分、高级账户、邮箱、头像和任期等。使用前导-滞后模型检验平行趋势假设。使用两阶段Heckman校正模型处理自选择偏差，第一阶段工具变量为自身累计被删帖比例和同伴累计被删帖比例。
内生性及稳健性检验
进行了多项稳健性检验：(1) IFEct估计量验证结果一致性；(2) 替换匹配方法，包括与'从未被处理'用户匹配、与'后续被处理'用户匹配、与'截至当期未被处理'用户匹配，结果均一致；(3) Heckman两阶段校正模型验证自选择偏差后结果稳健；(4) 随机实施检验（falsification test），重复1000次随机分配处理，均值接近零且与实际估计值显著不同，排除伪显著；(5) 控制同伴影响、排除被封禁/暂停用户、排除有评论被删用户、控制用户活跃度、控制每周活跃用户数等，结果均保持一致；(6) 使用未匹配样本、累积效应模型、帖子删除频率作为替代自变量等，结果稳健。
更多相关数据正在补充