ヘイトを読み解く
COVID-19流行下に発生したヘイト事案をめぐる個々人の体験を映し出す
COVID-19 の発生以降、アジア系アメリカ人および太平洋諸島系住民（AAPI）に向けられたヘイト事件が増加しました。こうした事件の一部はニュースで取り上げられましたが、全国的な報告センターである Stop AAPI Hate には、何千人もの人々から報告が寄せられていました。同センターは、調査研究、アドボカシー、および能力強化を通じてヘイト事件への対応と対処に取り組んでいます。こうした状況の中で、The American Asian Foundation (TAAF) が設立されました。この団体は、これらの事件が被害を受けた人々にどのような影響を与えているのかを示す新たな視点を提供するために X を活用しようとするチームの原動力となりました。
2人のエンジニアから成る小規模チームは、インシデントに関するデータの情報源としてXに着目しました。彼らがこのプラットフォームを選んだ理由は2つあります。第一に、ニュース、人々の考えや思索、日々の出来事、コミュニティで起きている事象など、豊かで多様な情報が含まれていることです。これにより、Xはさまざまな層の人々を、親密かつユニークな形でサンプルできる場となっています。さらに、TAAFの開発者がデータへアクセスできる真にオープンなAPIを備えた唯一のプラットフォームであり、そのデータを収集・分析するための高度なツールも揃っていました。
X API v2 の search Tweets エンドポイントと Tweets lookup エンドポイントを使用することで、チームは投稿のステータスを検索し、人々がヘイトインシデントを報告したタイミング（さらには、どのようなハッシュタグを使っていたか）を特定できました。これにより、チームは1023文字の検索クエリを設計し、数十億件の投稿を、チームが扱える量にまで絞り込むことができました。
次の課題は、それらの投稿が実際にヘイトインシデントに関するものかどうかを検証することでした。チームは自然言語処理を用いたツールを開発し、何千件もの投稿からプロジェクトに関連するものをふるい分けました。訓練済みの機械学習モデルを適用した後、正確性をさらに高めるために、人間の目でも投稿を検証しました。
2021年、TAAFはStop AAPI Hate連合と共同で、Documenting Anti-AAPI Hate Codebook も共著しました。このリソースには、コミュニティ主体のデータ収集のための標準案や運用方法が含まれており、X上で人々が共有しているインシデントをチームが分類するうえで役立ちました。
そこからの次の課題は、このデータを人々が容易に理解できる形で提示することでした。TAAFはデータ可視化ツール Decoding Hate を作成し、膨大なデータ量をインタラクティブに表示できるようにしました。データビジュアライゼーションスタジオの協力を得て、注釈付きのXデータを活用し、何千件もの投稿を、AAPIコミュニティ内部で起きていた事実を明らかにする洞察に富んだストーリーへと変換することに成功しました。
Decoding Hate プロジェクトは、これまで報告されてこなかった何千件ものヘイト関連事案を検知するのに役立ち、現在もそれを継続しています。このプロジェクトは、AAPI コミュニティ内で起きている一人ひとりの経験を広く認知させるための継続的なツールとなりました。
次のフェーズでは、TAAF は Stop AAPI Hate と提携し、X 上でヘイト事案を報告した人々に対して、担当者による個別対応を試験的に行います。このフェーズの間、Stop AAPI Hate は、自身が経験したヘイトについて投稿している多くの人々と積極的にコミュニケーションを取り、Stop AAPI Hate Reporting Center を通じて事案を報告するよう促します。Stop AAPI Hate に報告する人が増えれば増えるほど、同団体とそのパートナーは、起きているヘイト事案の性質をより深く理解し、最も効果的な政策上の解決策を提言できるようになります。
AAPI コミュニティで起きているヘイト関連事案を可視化するとともに、このプロジェクトは X の API の価値にも光を当てています。この事例は、適切なデータと適切なツールを活用することで、開発者が X を用いて公益性の高いイノベーションを生み出せることを示しています。