論文の概要: Algorithmic Amplification of Politics on Twitter
- arxiv url: http://arxiv.org/abs/2110.11010v1
- Date: Thu, 21 Oct 2021 09:25:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 21:50:07.460074
- Title: Algorithmic Amplification of Politics on Twitter
- Title(参考訳): Twitterにおける政治のアルゴリズム的増幅
- Authors: Ferenc Husz\'ar, Sofia Ira Ktena, Conor O'Brien, Luca Belli, Andrew
Schlaikjer and Moritz Hardt
- Abstract要約: Twitterプラットフォーム上で大規模なランダム化実験を行った結果,定量的な証拠が得られた。
7カ国の政党から選出された議員によるつぶやきについて検討した。
7ヶ国中6ヶ国で、主流の政治的権利は、主流の政治的左翼よりも高いアルゴリズム的増幅を享受している。
- 参考スコア(独自算出の注目度): 17.631887805091733
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Content on Twitter's home timeline is selected and ordered by personalization
algorithms. By consistently ranking certain content higher, these algorithms
may amplify some messages while reducing the visibility of others. There's been
intense public and scholarly debate about the possibility that some political
groups benefit more from algorithmic amplification than others. We provide
quantitative evidence from a long-running, massive-scale randomized experiment
on the Twitter platform that committed a randomized control group including
nearly 2M daily active accounts to a reverse-chronological content feed free of
algorithmic personalization. We present two sets of findings. First, we studied
Tweets by elected legislators from major political parties in 7 countries. Our
results reveal a remarkably consistent trend: In 6 out of 7 countries studied,
the mainstream political right enjoys higher algorithmic amplification than the
mainstream political left. Consistent with this overall trend, our second set
of findings studying the U.S. media landscape revealed that algorithmic
amplification favours right-leaning news sources. We further looked at whether
algorithms amplify far-left and far-right political groups more than moderate
ones: contrary to prevailing public belief, we did not find evidence to support
this hypothesis. We hope our findings will contribute to an evidence-based
debate on the role personalization algorithms play in shaping political content
consumption.
- Abstract(参考訳): twitterのホームタイムラインのコンテンツはパーソナライズアルゴリズムによって選択され、注文される。
一定のコンテンツを常にランク付けすることで、これらのアルゴリズムはいくつかのメッセージを増幅し、他の部分の可視性を低下させる。
一部の政治団体がアルゴリズムによる増幅の恩恵を受ける可能性について、世論や学術的な議論が盛んに行われている。
アルゴリズムのパーソナライゼーションが不要な逆時間コンテンツフィードに、毎日200万近いアクティブアカウントを含むランダム化制御グループをコミットしたTwitterプラットフォーム上で、長期にわたる大規模ランダム化実験の定量的証拠を提供する。
我々は二つの発見を提示する。
まず,7か国の主要政党選出議員のツイートを調査した。
調査対象7カ国中6カ国では、主流の政治的権利は、主流の政治的左翼よりも高いアルゴリズム的増幅を享受しています。
この傾向と一致して、米国メディアのランドスケープを調査した2つ目の調査結果は、アルゴリズムによる増幅が正しいニュースソースを好むことを明らかにした。
さらに我々は、アルゴリズムが極左と極右の政治的グループを中道的なグループ以上に増幅するかどうかについても検討した。
政治コンテンツ消費の形成においてパーソナライズアルゴリズムが果たす役割について,エビデンスに基づく議論に寄与することを願っている。
関連論文リスト
- The Shapes of the Fourth Estate During the Pandemic: Profiling COVID-19
News Consumption in Eight Countries [11.9136268069059]
各国の異なるメディアに対する聴衆の政治的傾きの分布も測定する。
対象は,8カ国の地理的なユーザ,各国のプロファイル型ユーザの分布,および複数の国間のインタラクションを持つブリッジ型ユーザの分析である。
本研究は,メディアドメインからURLを共有するユーザの傾きスコアを平均化することにより,メディアバイアスの新たなセットに寄与する。
論文 参考訳(メタデータ) (2023-08-02T22:00:37Z) - Engagement, User Satisfaction, and the Amplification of Divisive Content
on Social Media [23.3201470123544]
Twitterのエンゲージメントに基づくランキングアルゴリズムは、感情に満ちた、グループ外の敵対的なコンテンツを増幅する。
提案アルゴリズムでは,ユーザが選択した政治的つぶやきを好まないことが分かり,このエンゲージメントに基づくアルゴリズムはユーザの指定した嗜好を満たすには不十分であることが示唆された。
論文 参考訳(メタデータ) (2023-05-26T13:57:30Z) - Detecting Political Opinions in Tweets through Bipartite Graph Analysis:
A Skip Aggregation Graph Convolution Approach [9.350629400940493]
私たちは2020年の米国大統領選挙に集中し、Twitterから大規模なデータセットを作成します。
ツイート中の政治的意見を検出するために,ユーザの投稿行動とリツイート行動に基づいて,ユーザツイートの2部グラフを構築した。
ツイートノードに2階隣人からの情報を集約する新しいスキップアグリゲーション機構を導入する。
論文 参考訳(メタデータ) (2023-04-22T10:38:35Z) - The Face of Populism: Examining Differences in Facial Emotional
Expressions of Political Leaders Using Machine Learning [57.70351255180495]
深層学習に基づくコンピュータビジョンのアルゴリズムを、15カ国の政治指導者を描いた220本のYouTubeビデオのサンプルに適用する。
ポピュリスト・レトリックの度合いが異なるリーダー群間での否定的感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳(メタデータ) (2023-04-19T18:32:49Z) - Tweets2Stance: Users stance detection exploiting Zero-Shot Learning
Algorithms on Tweets [0.06372261626436675]
この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。
複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
論文 参考訳(メタデータ) (2022-04-22T14:00:11Z) - Reaching the bubble may not be enough: news media role in online
political polarization [58.720142291102135]
分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。
本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
論文 参考訳(メタデータ) (2021-09-18T11:34:04Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳(メタデータ) (2021-06-07T19:26:32Z) - The Matter of Chance: Auditing Web Search Results Related to the 2020
U.S. Presidential Primary Elections Across Six Search Engines [68.8204255655161]
私たちは、Google、Baidu、Bing、DuckDuckGo、Yahoo、Yandexの"US Election"、"Donald trump"、"Joe Biden"、"bernie Sanders"の検索結果を調べます。
その結果, 検索エンジン間の検索結果と, エージェント間の検索結果の相違が有意な差があることが示唆された。
論文 参考訳(メタデータ) (2021-05-03T11:18:19Z) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳(メタデータ) (2020-07-16T02:13:55Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳(メタデータ) (2020-04-20T20:00:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。