혐오 표현은 온라인 플랫폼에서 지속적이며 아직 해결되지 않은 과제로 남아 있다. 혐오 표현으로부터 시청자를 보호하기 위해 사용자 생성 콘텐츠를 검토하는 일선에서 근무하는 콘텐츠 조정자들은, 공격적인 언어에 지속적으로 노출되면서도 종종 그로 인한 정신적 부담으로부터 보호받지 못한 상태에 놓이게 된다. 조정자의 정신 건강을 보호하기 위해 우리는 HateBuffer를 설계했는데, 이는 혐오 표현의 대상(대상자)을 익명화하고 공격적인 표현을 덜 공격적인 형태로 바꾸어(의역하여) 제시하며, 조정자가 원할 경우에는 원래 표현을 보여준다. 80명의 참여자를 대상으로 한 사용자 연구에서는, 가상의 뉴스 플랫폼에서 혐오 표현 조정 시뮬레이션 과제를 수행하게 한 뒤 반구조화 면담을 진행하였다. 참여자들은 HateBuffer를 사용할 때 댓글의 혐오 심각도를 더 낮게 평가했지만, 우리의 예상과 달리 대조군에 비해 감정 개선이나 피로도 감소를 경험하지는 못했다. 그러나 면담에서는 참여자들이 HateBuffer를 감정의 전염과 혐오 표현 속 편향된 의견의 정상화에 대한 효과적인 완충장치로 묘사했다. 특히, HateBuffer는 조정 정확도를 손상시키지 않았으며, 오히려 회상을 약간 증가시키는 데 기여했다. 우리는 HateBuffer가 지각된 이점과 정신적 웰빙에 대한 측정된 영향 사이에 존재하는 불일치에 대한 가능한 설명을 탐색한다. 또한 텍스트 기반 콘텐츠 수정 기법이 더 건강한 콘텐츠 조정 환경을 위한 도구로서 지닌 가능성도 강조한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.