Kā sociālo tīklu algoritmi X maina politiskās preferences

Pārskats

Ritiniet piecas minūtes un jūsu politiskās nostādnes var nemanāmi mainīties. Tas ir satraucošais virsraksts no lauka eksperimenta, kurā 2023. gadā tika izsekoti gandrīz 5 000 aktīvu ASV X lietotāju, lai noskaidrotu, ko platformas 'For You' algoritms patiesībā dara ar politiskajām preferencēm.

Ekaterinas Žuravskajas vadītā komanda nejauši sadalīja 4 965 dalībniekus divās grupās. Viena grupa apmēram septiņas nedēļas lietoja 'For You' plūsmu. Otra turpināja izmantot hronoloģisko laika grafiku. Visi aizpildīja politiskos un uzvedības aptaujas pirms un pēc testa, un pētnieki izmantoja pielāgotu pārlūkprogrammas paplašinājumu, lai reģistrētu to, ko cilvēki patiesībā redzēja. Uzstādījums šķiet vienkāršs. Sekas ir tālu no vienkāršām.

Metodoloģija

Eksperimenta dizains apvienoja randomizētu lauka izmēģinājumu ar tiešas novērošanas datiem, ko iegūta, izmantojot pārlūkprogrammas papildinājumu. Šāda pieeja ļāva pētniekiem savienot ekspozīcijas datu plūsmas ar uzvedības un pašnovērtējuma aptaujām, precīzi kartējot, kā algoritmiska kurationa iedarbība mijiedarbojas ar lietotāju sekām un attieksmēm.

Dalībnieku sadale un laiks

4 965 dalībnieki tika nejauši sadalīti divās grupās: 'For You' (algoritmiskais ieteikumu režīms) un hronoloģiskais režīms (kontroles grupa). Eksperimenta ilgums bija aptuveni septiņas nedēļas, kas ļāva novērot gan tūlītējas reakcijas, gan īstermiņa ilgnotspēju pēc iedarbības.

Datu vākšanas instruments

Pielāgotais pārlūkpaplašinājums automātiski reģistrēja katra dalībnieka lineāro vai algoritmisko plūsmas saturu, vērā ņemot gan ierakstus, gan autorus, gan mijiedarbības metrikas. Savienošana ar pirms- un pēctesta aptaujām ļāva sasaistīt ekspozīciju ar faktiskām izmaiņām sekotāju sarakstā un pašu izpaustajām politiskajām nostajām.

Rezultāti

Angažēšanās pieauga tiem, kas nonāca 'For You' nosacījumā. Īsākas sesijas pārvērtās par lielāku klikšķu, sekojumu un mijiedarbību skaitu. Tas pašā laikā radīja izmērāmu novirzi: lietotāji, kuri tika pakļauti algoritmam, sāka sekot vairāk konservatīvi noskaņotiem politiskajiem aktieriem un parādīja nobīdi uz konservatīvākām skatījumu pozīcijām.

Algoritma raksturs un politiskā satura uzplūdums

Pētnieki atzīmēja, ka algoritms biežāk prioritizēja politiskus ierakstus un noteiktus aktierus — īpaši konservatīvus — salīdzinājumā ar tradicionālajiem mediju avotiem, kurus šie lietotāji citādi būtu redzējuši hronoloģiskajā plūsmā. Tas nozīmē, ka rekomendāciju sistēma ne tikai palielināja redzamību pretendentiem, bet arī mainīja informācijas ekosistēmas proporcijas, ko saņēma lietotājs.

Ietekmes ilgnotspēja

Ja plūsmu pārslēdza atpakaļ uz hronoloģisko kārtību, varētu gaidīt, ka attieksmes atgriezīsies sākotnējā stāvoklī. Tas nenotika. Grupa, kas atgriezās pie laika kārtības, nerādīja nozīmīgu politiskās nostājas vai sekotāju modeļu atgriešanos. Algoritma ietekme turpināja izpausties pat pēc tiešas iedarbības perioda beigām — līdzīgi vilnim, kas virza laivu: var izslēgt dzinēju, bet laiva vēl kādu brīdi peldēs.

Analīze un skaidrojumi

Pētnieku kopsavilkums — rekomendāciju sistēmas sociālajos medijos var nozīmīgi virzīt politiskās preferences, un šīs ietekmes var saglabāties arī pēc tiešas ekspozīcijas perioda.

Šie atklājumi saskan ar agrāk izteiktām bažām par algoritmisko pastiprināšanu un politisko polarizāciju, taču šis pētījums piedāvā stingru pierādījumu, balstoties uz randomizētu lauka izmēģinājumu — retu pieeju platformu ietekmes pētījumos. Pārlūkpaplašinājuma izmantošana, lai noķertu plūsmas saturu, kombinācijā ar pirms- un pēctesta aptaujām deva zinātniekiem detalizētu priekšstatu par to, kā ekspozīcija, sekošanas uzvedība un pašu ziņotās attieksmes mijiedarbojas.

Mijiedarbības mehānismi

Ir vismaz trīs saistīti mehānismi, kas, visticamāk, veicināja novērotās izmaiņas:

• Algoritmiskā prioritāte: rekomendāciju modeļi optimizē redzamību un uzmanību, bieži favorizējot saturu ar augstu mijiedarbību, kas var būt politiski uzlādēts.
• Sociālā sekošana: palielināta ekspozīcija konkrētiem aktieriem palielina iespēju, ka lietotājs sāks sekot šiem aktieriem.
• Atgādināšanas un apstiprinājuma efekti: redzētais saturs nostiprina ideoloģiskās preferenču shēmas, padarot attieksmes stabiliākas pat pēc iedarbības izbeigšanās.

Kāpēc tika novērota konservatīva virzība?

Pētījumā konstatētā konservatīvā nobīde var rasties no vairākām, savstarpēji saistītām parādībām: algoritms varēja pārvērtēt konservatīvo autoru mijiedarbību kā signālu, kas ir vērts pastiprināt; konservatīvais saturs varēja izraisīt relatīvi augstu lietotāju iesaisti responžu un pārrunu dēļ; vai arī sākotnējā lietotāju populācijā varēja būt tādas struktūras, kas veicināja šo efektu. Precīzu mehānismu izšķiršana prasa papildu analīzi, bet pierādījumi liecina, ka rekomendāciju arhitektūra spēlēja būtisku lomu.

Implications for readers, policymakers and designers

(Šī sadaļa ir domāta praktiskām mācībām, formulētām neitrālā un profesionālā tonī)

Lasītājiem

Lietotājiem ir svarīgi apzināties, ka personalizētas plūsmas nav neutrālas. Rekomendāciju sistēmas var mainīt to, ko redzat, un tas var ietekmēt, kam jūs sākat sekot un ko jūs uzskatāt par pārliecinošu. Praktiski soļi, ko var apsvērt:

• Pārbaudīt plūsmas iestatījumus un saprast, vai izmantojat algoritmisku vai hronoloģisku režīmu.
• Periodiski pārskatīt sekojamo personu sarakstu un plašināt informācijas avotus, lai mazinātu aizspriedumus.
• Izmantot mehānismus, kas ļauj ierobežot politisko saturu, ja tas traucē.

Politikas veidotājiem

Regulējuma un politikas līmenī šie rezultāti norāda uz nepieciešamību pēc lielākas pārredzamības un lietotāja kontroles pār rekomendāciju loģikām. Iespējamie politiskie soļi ietver:

• Prasības par platformu eksperimentu publisku reģistrāciju un ietekmes ziņošanu.
• Standarti datu pieejamībai akadēmiskai neatkarīgai pārbaudei, aizsargājot privātumu.
• Vadlīnijas lietotāja kontroles paplašināšanai, piemēram, iespējas viegli pārslēgties uz hronoloģisko plūsmu vai pielāgot rekomendāciju kritērijus.

Platformu dizaina komandu ieteikumi

Platformu dizaineriem un inženieriem vajadzētu apsvērt, ka curation dizains ir funkcija ar sabiedrisku nozīmi. Daži praktiski ieteikumi:

• Izstrādāt un skaidri komunicēt par to, kā mijiedarbības signāli ietekmē politisko saturu redzamību.
• Testēt rekomendāciju maiņu uz mazākiem testgrupām un atklāt rezultātus neatkarīgajiem pētniekiem.
• Piedāvāt lietotājiem plašākas konfigurācijas iespējas, lai viņi varētu pielāgot politiskā satura filtru un izvairīties no nevēlamas manipulācijas.

Tiešā nozīme attiecībā uz politisko polarizāciju

Šis pētījums pievieno smilti precīzāku pierādījumu kopai, kas norāda, ka algoritmi var padziļināt politisko polarizāciju, mainot informācijas piegādi un stiprinot noteiktas skatījumu kopas. Tā kā rekomendāciju sistēmas optimitē pēc mijiedarbības, tās var nejauši pastiprināt saturu, kas izraisa emocionālas reakcijas vai polarizējošas debates.

Heterogenitāte starp lietotājiem

Ir svarīgi atzīmēt, ka ietekme nav universāla — tā var atšķirties atkarībā no sākotnējām lietotāju vērtībām, tīkla struktūras un plašākas informācijas vides. Dažiem lietotājiem algoritms var radīt nelielas vai pat pozitīvas sekas, bet citi var piedzīvot spēcīgāku novirzi. Pētījuma dziļāka analīze parāda, ka sociālā tīkla pozīcija un sākotnējā informācijas diapa zona ietekmē, cik spēcīgi algoritms var mainīt politiskās preferences.

Metodoloģiskie ierobežojumi un nākamie pētījumi

Kaut arī pētījums ir spēcīgs ar savu randomizēto dizainu un tiešo satura fiksāciju, eksistē ierobežojumi, kas jāņem vērā interpretējot rezultātus. Tie ietver:

• Konkrēta platforma un laika logs: rezultāti attiecas uz X platformu 2023. gada kontekstā un var neatkārtoties citā platformā vai laikā.
• Demogrāfiskā sastāva ierobežojumi: ASV bāzēta paraugs var neatspoguļot globālās ietekmes modeļus.
• Ilgtermiņa dinamika: septiņu nedēļu eksperiments parāda īstermiņa saglabāšanos, bet netiek pilnībā novērtēta ietekme pēc mēnešiem vai gadiem.

Nākamie pētījumi varētu paplašināt šo darba lauku, iekļaujot ilgtermiņa izsekošanu, vairāku platformu salīdzinājumus un eksperimentus, kas mērķēti uz konkrētiem algoritmu elementiem (piemēram, kā mērķoptimizācija pēc 'engagement' maina politiskā satura plūsmu).

Praktiskas atziņas un secinājumi

Kas ir svarīgākais, ko lasītāji, politikas veidotāji un platformu dizaineri var ņemt līdzi?

1. Eksperimentēšana ir būtiska: randomizēti lauka pētījumi ir visdrošākais veids, kā atklāt cēloņsakarības starp algoritmiskiem ieteikumiem un lietotāju politiskajām attieksmēm.
2. Pārredzamība ir nepieciešama: lietotājiem un pētniekiem jābūt piekļuvei informācijai par to, kā darbojas rekomendāciju loģikas, lai kritiski novērtētu ietekmi uz sabiedrību.
3. Dizains ir politisks: ja dažas nedēļas ilga algoritmiska kurācija var mainīt to, kam jūs sekojat un kam ticat, tad plūsmas dizains un rekomendāciju noteikumi faktiski veido civilo arhitektūru.

Visbeidzot, pilns pētījums publicēts žurnālā Nature, un tas uzdod vienkāršu, neērtu jautājumu: vai mums tiek ieteikts saturs, vai arī mūs vedina uz konkrētu politisku skatījumu?

Atsauces un papildu lasāmviela

Lai gan šis raksts piedāvā izklāstu un analīzi par galvenajiem atklājumiem, lasītāji, kuri vēlas padziļināt zināšanas, var apsvērt šādas darbības:

• Izlasīt oriģinālo pētījumu Nature žurnālā, kurā aprakstīta metodika, statistiskā analīze un plašāka rezultātu diskusija.
• Pārskatīt literatūru par rekomendāciju sistēmu ietekmi uz informācijas plūsmām un politisko komunikāciju.
• Sekot akadēmiskām diskusijām un datu kopām, kas pieejamas pētniekiem, lai reproducētu un paplašinātu eksperimenta atklājumus.

Praktiski soļi lasītājiem

Ja jūs lietojat X vai citas sociālo mediju platformas un esat nobažījies par algoritmisko ietekmi uz jūsu politiskajām preferencēm, apsveriet šādus soļus:

• Pārslēdziet plūsmu uz hronoloģisku režīmu, ja vēlaties mazāk personalizētu informāciju.
• Aktīvi veidojiet vairākpusīgu sekošanas portfeli, iekļaujot tradicionālos medijus un dažādus politiskos skatpunktus.
• Izmantojiet platformu iestatījumus un trešo pušu rīkus, lai filtrētu politisko saturu, ja tas traucē jūsu tieksmi iegūt sabalansētu informāciju.

Šādas darbības var palīdzēt samazināt nevēlamu manipulāciju risku un palielināt mediju pratību par to, kā rekomendāciju sistēmas ietekmē informācijas vidi.

Noslēgums

Pētījums par X 'For You' plūsmu uzsver, cik būtiska ir rekomendāciju sistēmu analīze mūsdienu digitālajā sabiedrībā. Algoritmi vairs nav tikai tehniska fona funkcija — tie aktīvi veido politisko informācijas laukumu. Tā kā platformas turpina eksperimentēt ar personalizāciju, sabiedrībai, pētniekiem un likumdevējiem jāstrādā kopā, lai nodrošinātu pārredzamību, atskaitāmību un lietotāja kontroli pār tām sistēmām, kas ietekmē politisko diskursu un demokrātisko procesu.