論文の概要: YouTube, The Great Radicalizer? Auditing and Mitigating Ideological
Biases in YouTube Recommendations
- arxiv url: http://arxiv.org/abs/2203.10666v2
- Date: Fri, 25 Mar 2022 01:36:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:45:18.630437
- Title: YouTube, The Great Radicalizer? Auditing and Mitigating Ideological
Biases in YouTube Recommendations
- Title（参考訳）: youtube、大急進派?
youtubeレコメンデーションにおけるイデオロギーバイアスの監査と緩和
- Authors: Muhammad Haroon, Anshuman Chhabra, Xin Liu, Prasant Mohapatra, Zubair
Shafiq, Magdalena Wojcieszak
- Abstract要約: われわれはYouTubeのレコメンデーションシステムの体系的な監査を行う。
YouTubeのレコメンデーションは、特に右利きのユーザーにとって、イデオロギー的に偏り、過激なコンテンツに直結している。
我々の介入は、観察された偏見を効果的に緩和し、イデオロギー的に中立で、多様性があり、異種コンテンツをより推奨する。
- 参考スコア（独自算出の注目度）: 20.145485714154933
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recommendations algorithms of social media platforms are often criticized for
placing users in "rabbit holes" of (increasingly) ideologically biased content.
Despite these concerns, prior evidence on this algorithmic radicalization is
inconsistent. Furthermore, prior work lacks systematic interventions that
reduce the potential ideological bias in recommendation algorithms. We conduct
a systematic audit of YouTube's recommendation system using a hundred thousand
sock puppets to determine the presence of ideological bias (i.e., are
recommendations aligned with users' ideology), its magnitude (i.e., are users
recommended an increasing number of videos aligned with their ideology), and
radicalization (i.e., are the recommendations progressively more extreme).
Furthermore, we design and evaluate a bottom-up intervention to minimize
ideological bias in recommendations without relying on cooperation from
YouTube. We find that YouTube's recommendations do direct users -- especially
right-leaning users -- to ideologically biased and increasingly radical content
on both homepages and in up-next recommendations. Our intervention effectively
mitigates the observed bias, leading to more recommendations to ideologically
neutral, diverse, and dissimilar content, yet debiasing is especially
challenging for right-leaning users. Our systematic assessment shows that while
YouTube recommendations lead to ideological bias, such bias can be mitigated
through our intervention.
- Abstract（参考訳）: ソーシャルメディアプラットフォームの推奨アルゴリズムは、ユーザーを(徐々に)イデオロギーに偏ったコンテンツの「ラビットホール」に置くことでしばしば批判される。
これらの懸念にもかかわらず、このアルゴリズムの過激化に関する以前の証拠は矛盾している。
さらに、事前の作業には、推奨アルゴリズムの潜在的なイデオロギーバイアスを減らすための体系的な介入が欠けている。
我々は、イデオロギーバイアス(つまり、ユーザのイデオロギーに合致したレコメンデーション)、その大きさ(つまり、イデオロギーに合致したビデオの数の増加を推奨する)、過激化(つまり、レコメンデーションは徐々に過激なものとなる)を決定するために、youtubeのレコメンデーションシステムを体系的に監査する。
さらに,youtubeの協力に頼らずに,レコメンデーションにおけるイデオロギーバイアスを最小限に抑えるボトムアップ介入の設計と評価を行った。
YouTubeのレコメンデーションは、特に右利きのユーザーに対して、イデオロギー的に偏り、ホームページと最新のレコメンデーションの両方で急進的なコンテンツを提供する。
我々の介入は、観察されたバイアスを効果的に軽減し、イデオロギー的に中立で、多様性があり、異質なコンテンツを推奨する。
組織的な評価によると、YouTubeの推奨はイデオロギー的偏見につながるが、そのような偏見は介入によって緩和される。
関連論文リスト
- Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。
参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。
この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
論文 参考訳（メタデータ） (2024-05-09T07:36:08Z) - Echo Chambers in the Age of Algorithms: An Audit of Twitter's Friend Recommender System [2.8186456204337746]
我々はTwitterの友達推薦システムのアルゴリズムによる監査を行う。
われわれは2022年の中間選挙で、最初は左右の米国の政治家をフォローする自動Twitterアカウントを作成している。
我々は,レコメンデーションアルゴリズムに従ってアカウントをエコーチャンバーに構造的に類似した密集した相互近隣に導く一方で,リコメンデーターはユーザのネットワークの政治的均質性を損なうことも見出した。
論文 参考訳（メタデータ） (2024-04-09T16:12:22Z) - Fairness Through Domain Awareness: Mitigating Popularity Bias For Music
Discovery [56.77435520571752]
音楽発見と人気バイアスの本質的な関係について検討する。
本稿では,グラフニューラルネットワーク(GNN)に基づくレコメンデータシステムにおいて,人気バイアスに対処する,ドメイン対応の個別フェアネスに基づくアプローチを提案する。
我々のアプローチでは、個々の公正さを用いて、真実を聴く経験、すなわち2つの歌が似ているとすると、この類似性は彼らの表現に反映されるべきである。
論文 参考訳（メタデータ） (2023-08-28T14:12:25Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Subscriptions and external links help drive resentful users to
alternative and extremist YouTube videos [7.945705756085774]
われわれは、YouTube上の代替チャンネルビデオや過激派チャンネルビデオへの露出が、性別や人種的恨みのレベルが高い少数のグループに大きく集中していることを示した。
われわれの発見は、YouTubeのアルゴリズムが2020年の観測ウィンドウで人々を「ウサギの穴」から追い出していないことを示唆している。
しかし、このプラットフォームは、熱心なオーディエンスの間で、代替チャンネルや過激派チャンネルからのコンテンツへの露出を促進する上で、重要な役割を担っている。
論文 参考訳（メタデータ） (2022-04-22T20:22:06Z) - Movie Recommender System using critic consensus [0.0]
協調コンテンツとコンテンツベースのコンテンツの統合に基づくハイブリッドレコメンデーションシステムを提案する。
ユーザの好みと批判的コンセンサススコアの組み合わせに基づいて映画を推薦する新しいモデルを提示したい。
論文 参考訳（メタデータ） (2021-12-22T13:04:41Z) - Auditing the Biases Enacted by YouTube for Political Topics in Germany [0.0]
われわれはYouTubeのレコメンデーションシステムが一定のバイアスを課しているかどうか検討する。
YouTubeは人気が高まっているが、大体無関係なビデオを推奨している。
我々は、コンテンツの人気と感情の関係を識別し分析する強力な人気バイアスについて論じる。
論文 参考訳（メタデータ） (2021-07-21T07:53:59Z) - Middle-Aged Video Consumers' Beliefs About Algorithmic Recommendations
on YouTube [2.8325478162326885]
我々は,ビデオレコメンデーションシステムに関するユーザの信念を分析するために,中年YouTubeビデオ消費者と半構造化インタビューを行った。
我々は,先進行動,ソーシャルメディア,レコメンダシステム,企業方針という,ユーザの信念の4つのグループを識別する。
ユーザがビデオレコメンデーションに影響を及ぼすと信じている4つの主要なアクターを区別する枠組みを提案する。
論文 参考訳（メタデータ） (2020-08-07T14:35:50Z) - 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) - Fairness-Aware Explainable Recommendation over Knowledge Graphs [73.81994676695346]
ユーザのアクティビティのレベルに応じて異なるグループのユーザを分析し、異なるグループ間での推奨パフォーマンスにバイアスが存在することを確認する。
不活性なユーザは、不活性なユーザのためのトレーニングデータが不十分なため、不満足なレコメンデーションを受けやすい可能性がある。
本稿では、知識グラフに対する説明可能な推奨という文脈で、この問題を緩和するために再ランク付けすることで、公平性に制約されたアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-03T05:04:38Z) - Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。
本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文 参考訳（メタデータ） (2020-04-08T02:11:55Z)
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。