斯坦福计算机科学副教授，本研究的作者之一Jure Leskovec解释说：“这是一种恶性循环。 只要有一个人冒出愤怒，就可以创造出火花，并且，因为讨论的情境和点赞/差评，这些火花可以衍生出一系列不良行为。不好的对话只能让对话变得更糟。 受到贬低的人更容易返回来，然后评论更多，评论更糟。

　　预测喷子行为

　　作为他们研究的最后一步，团队创建了一个机器学习算法，任务在于预测一个人写的下一篇评论是否被标记喷子。提供给算法的信息包括作者的最后一篇帖子的时间戳、最后一篇帖子是否被标记，讨论中的上一篇帖子是否被标记，作者被标记帖子的整个历史以及作者的匿名用户ID。

　　结果显示，讨论中上一篇帖子的标记状态是下一篇帖子是否被标记的最强预测因素。 情绪相关的特征，如评论者的评论时间和以前的标记，远起不到预测的作用。 用户的历史和用户ID虽然有一点预测效果，但仍然比讨论情境提供的信息少了很多。 这意味着，虽然有些人可能总是更倾向于喷别人，我们发帖的上下文情境因素更有可能诱发喷子的怒火。

　　喷子的预防

　　应用了现实生活、大规模数据分析、实验和预测任务之间，这个研究结果结论很强并且一致性很高。 研究人员认为，谈话情境和心情可以导致喷子。 他们认为这可以帮助创建更好的在线讨论空间。

　　康奈尔大学信息科学助理教授和论文的合作者Cristian Danescu-Niculescu-Mizil说：“如果我们想提高在线讨论的质量，了解是什么真正决定了某人的反社会行为是至关重要的。深入洞察潜在的因果机制可以为鼓励创建更多民间在线讨论系统提供设计信息，atv，并可以帮助版主更有效地减少喷子行为。

　　防止喷子的干预措施包括讨论论坛，建议刚刚被标记的发帖人保持一段冷静期，系统自动提醒版主可能存在是喷子的帖子或“悄悄禁止”，这是隐匿喷子帖子的方式，而并不通知喷子。

　　研究人员认为这样的研究非常有必要，现在只是一个开端，因为互联网远不是世界上亲切友好辩论的避风港，虽然人们曾经认为它会是。斯坦福大学计算机科学副教授，论文的合作者迈克尔·伯恩斯坦（Michael Bernstein）说：“最后，这项研究真实含义在于我们正在引起讨论中的某些蜕变。 很多新闻网站已经删除了他们的评论系统，因为他们认为这与实际的辩论和讨论背道而驰。 了解我们最好的和最坏的自己是扭转局面的关键。”