LONDON (IT BOLTWISE) – Eine neue Studie verknüpft Dunkle Persönlichkeitszüge mit Online-Toxizität und kommt dabei zu einem differenzierten Ergebnis. Teilnehmende mit stärker ausgeprägten selbstberichteten Neigungen berichten zwar mehr unzivile Interaktionen. Die Analyse ihrer tatsächlichen Reddit-Kommentare bestätigt jedoch keine verlässliche Verbindung zwischen den Dark-Trait-Schätzungen aus Textmerkmalen und Toxizität. Dafür korreliert die Selbstauskunft zum eigenen Verhalten klarer mit dem, was in den Posts tatsächlich sichtbar wird.
Online-Plattformen machen Kommunikation schneller und Reichweiten größer, aber sie verstärken auch problematische Dynamiken. Was lange wie ein Effekt von Plattformdesign, Stimmungslagen oder konkreten Konflikten wirken kann, wird in der Forschung zunehmend als Zusammenspiel aus Situation und Persönlichkeit betrachtet. Besonders im Fokus stehen dabei die sogenannten Dark Tetrad-Merkmale: Machiavellismus, Narzissmus, Psychopathie und alltäglicher Sadismus. Die Grundidee dahinter ist plausibel: Wenn Menschen bestimmte Neigungen mitbringen, könnte sich das in ihrem Kommunikationsstil zeigen und am Ende das Risiko für unziviles Verhalten erhöhen.
Genau an dieser Schnittstelle setzt die neue Arbeit an. Die Autorinnen und Autoren um Aldo Cerulli prüfen, ob sich Dunkle Persönlichkeitszüge zuverlässig aus dem Textmaterial sozialer Medien ableiten lassen. Interessant ist dabei der methodische Anspruch: Während frühere Studien oft auf Selbstauskünften basierten, wird hier auch die tatsächliche Aktivität auf einer konkreten Plattform ausgewertet. Zugleich soll getestet werden, ob die Sprache in Kommentaren überhaupt jene psychologischen Merkmale „codiert“, die man ansonsten über Fragebögen erfasst. Damit rückt nicht nur die Frage nach Kausalität in den Mittelpunkt, sondern auch die nach der praktischen Nutzbarkeit computerbasierter Textanalysen.
Für die Studie nahmen 114 Personen aus den USA teil, rekrutiert über Amazon Mechanical Turk, und lieferten Verknüpfungsdaten, um ihre Reddit-Konten zu einer Auswertung zu nutzen. Über eine webbasierte Anwendung mit direkter Anbindung an die Reddit-Programmierschnittstelle (API) wurden die Kommentare der Teilnehmenden dann automatisiert gesammelt. Insgesamt flossen 152.741 Sätze in die Analyse ein, die sich auf 56.892 Kommentare verteilen; im Mittel kam eine Person auf 499 Kommentare. Auf dieser Datenbasis ließen sich für die Teilnehmenden verschiedene Größen berechnen, darunter Online-Toxizität, psycholinguistische Charakteristika, emotionale Ausdrücke und kontextbezogene Emotionen sowie moralbezogene Grundlagen. Außerdem wurde untersucht, ob Ironie im Text eine Rolle spielt und wie stark „aus Text“ abgeleitete Dark-Persönlichkeitsmerkmale ausfallen.
Wichtig ist jedoch das Ergebnisbild: Die Forscherinnen und Forscher fanden keine signifikanten Zusammenhänge zwischen den selbstberichteten Dark-Trait-Ausprägungen und den computational geschätzten Dark-Trait-Werten aus den Textantworten. Anders formuliert: Wenn jemand im Fragebogen bestimmte dunkle Neigungen stärker angibt, spiegelt sich das nicht automatisch zuverlässig in den sprachlichen Mustern wider, die das Modell dafür herleiten soll. Auch die entscheidende Anschlussfrage nach der Toxizität beantwortet die Textableitung nicht so, wie man es aus einer einfachen „Sprache verrät Persönlichkeit“-These ableiten könnte: Die Dark-Persönlichkeitsmerkmale sagten die tatsächliche Toxizität in den Reddit-Kommentaren nicht zuverlässig voraus. Auffällig ist zugleich, dass Selbstauskünfte dennoch ein Muster zeigen: Personen, die ihr eigenes Trolling bzw. bestimmte Dark-Tendenzen stärker angaben – darunter besonders Successful Psychopathy, also eine berechnete Mischform aus Psychopathie- und Machiavellismusanteilen – berichteten häufiger über unziviles Verhalten und Content.
Der stärkere Befund betrifft allerdings nicht die „sprachgetriebene“ Persönlichkeitsableitung, sondern die Selbstauskunft zum eigenen Online-Verhalten. Teilnehmende, die angaben, häufig toxische Inhalte zu produzieren, zeigten in ihren tatsächlich gesammelten Reddit-Kommentaren ebenfalls mehr Toxizität. Ebenso war zu sehen, dass Personen, die sich als Ziel von Toxizität beschrieben, tendenziell mehr toxische Kommentare abgaben. Das Muster erinnert an eine Form von Täter-Opfer-Reziprozität: Wer in der Umwelt häufiger feindselige Interaktionen erlebt, reagiert eher ebenfalls in derselben Richtung. Für die Praxis bedeutet das: Was Verhalten antreibt, muss nicht zwingend im „dunklen Profil“ liegen, das sich aus Textmerkmalen ableiten lässt. Es kann auch eine Reaktion auf Social Cues und erlebte Hostilität sein, die sich in der Kommunikationshistorie realisiert.
Für die KI-Entwicklung und die Forschung zu automatisierten Moderations- oder Analysewerkzeugen ist genau diese Trennung entscheidend. Wenn Dark-Trait-Schätzungen aus Text nicht robust mit der realen Toxizität zusammenhängen, dann ist die Verlockung groß, trotzdem über KI „Persönlichkeit“ zu erkennen. Die Studie legt aber nahe, solche Modelle enger an validierte psychologische Messungen zu koppeln und – vor allem – Kontextelemente stärker zu berücksichtigen. Denn Text ist selten ein isoliertes Signal: Ironie, Bezug auf vorherige Posts, gemeinschaftliche Normen innerhalb einer Sub-Community und der zeitliche Verlauf können sprachliche Marker verschieben. Die Autorinnen und Autoren betonen deshalb sinngemäß die Notwendigkeit, computational Approaches auf psychometrisch abgesicherte Verfahren zu gründen und Repräsentationen zu entwickeln, die den Kontext besser abbilden.
Gleichzeitig gibt es klare Grenzen der Übertragbarkeit. Der Datensatz basiert auf einer vergleichsweise kleinen Stichprobe und beschränkt sich auf Reddit-Kommentare. Außerdem bleibt die Frage offen, ob ähnliche Zusammenhänge in größeren, breiter gestreuten Datensätzen mit anderen Quellen – etwa Foren, Messenger-Diskussionen oder Plattformen mit anderen Moderationsmechanismen – ebenfalls so ausfallen. Auch die Aussagekraft von Schätzungen psychologischer Merkmale, die ausschließlich aus Textfeatures abgeleitet werden, ist methodisch nicht trivial. Für Entscheidungsträger in Unternehmen, die KI-gestützte Analyse für Community-Management oder Risiko-Scoring planen, heißt das: Statt nur auf „Persönlichkeitsprädiktion“ zu setzen, dürfte es pragmatischer sein, direkt am beobachtbaren Verhalten (Toxizität, Aggressionsmuster, Eskalationsindikatoren) anzusetzen und zusätzlich zu prüfen, wie stark Rückkopplungen durch erfahrene Hostilität die Ergebnisse formen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Dunkle Persönlichkeitszüge und Online-Toxizität: Warum die Sprache nicht die Antwort ist" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Dunkle Persönlichkeitszüge und Online-Toxizität: Warum die Sprache nicht die Antwort ist" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Dunkle Persönlichkeitszüge und Online-Toxizität: Warum die Sprache nicht die Antwort ist« bei Google Deutschland suchen, bei Bing oder Google News!