論文の概要: Twitter's Algorithm: Amplifying Anger, Animosity, and Affective
Polarization
- arxiv url: http://arxiv.org/abs/2305.16941v1
- Date: Fri, 26 May 2023 13:57:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 14:36:11.531280
- Title: Twitter's Algorithm: Amplifying Anger, Animosity, and Affective
Polarization
- Title（参考訳）: twitterのアルゴリズム:怒り、敵意、感情的分極を増幅する
- Authors: Smitha Milli, Micah Carroll, Sashrika Pandey, Yike Wang, Anca D.
Dragan
- Abstract要約: 内部アクセスなしでTwitterのアルゴリズムで制御された実験を行う。
アクティブなTwitterユーザーの大規模なグループでは、(a)パーソナライズされたアルゴリズムが示すツイートを同時に収集し、(b)フォローしている人から最新のツイートが表示されると、ユーザーが見たツイートを同時に収集する。
以上の結果から,アルゴリズムは感情的内容,特に怒りやグループ外敵意を表すツイートを増幅することが示された。
- 参考スコア（独自算出の注目度）: 26.12172520312809
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As social media continues to have a significant influence on public opinion,
understanding the impact of the machine learning algorithms that filter and
curate content is crucial. However, existing studies have yielded inconsistent
results, potentially due to limitations such as reliance on observational
methods, use of simulated rather than real users, restriction to specific types
of content, or internal access requirements that may create conflicts of
interest. To overcome these issues, we conducted a pre-registered controlled
experiment on Twitter's algorithm without internal access. The key to our
design was to, for a large group of active Twitter users, simultaneously
collect (a) the tweets the personalized algorithm shows, and (b) the tweets the
user would have seen if they were just shown the latest tweets from people they
follow; we then surveyed users about both sets of tweets in a random order.
Our results indicate that the algorithm amplifies emotional content, and
especially those tweets that express anger and out-group animosity.
Furthermore, political tweets from the algorithm lead readers to perceive their
political in-group more positively and their political out-group more
negatively. Interestingly, while readers generally say they prefer tweets
curated by the algorithm, they are less likely to prefer algorithm-selected
political tweets. Overall, our study provides important insights into the
impact of social media ranking algorithms, with implications for shaping public
discourse and democratic engagement.
- Abstract（参考訳）: ソーシャルメディアが世論に大きな影響を与え続けている中、コンテンツをフィルタリングし、キュレートする機械学習アルゴリズムの影響を理解することは重要である。
しかし、既存の研究では、観察方法への依存、実際のユーザではなくシミュレートされた使用、特定のタイプのコンテンツに対する制限、興味の衝突を引き起こす可能性のある内部アクセス要件など、一貫性のない結果が得られている可能性がある。
これらの問題を克服するため,我々はtwitterのアルゴリズムを内部アクセスなしで事前に登録した実験を行った。
私たちのデザインの鍵は、アクティブなTwitterユーザーのグループが同時に集めることでした。
(a)パーソナライズされたアルゴリズムが示すつぶやき
(b)フォローしている人の最新のつぶやきを表示するだけで、ユーザーが見たであろうつぶやきは、ランダムな順序で両方のつぶやきについて調査した。
以上の結果から,アルゴリズムは感情内容,特に怒りやグループ外敵意を表すツイートを増幅することが示された。
さらに、アルゴリズムによる政治的つぶやきによって、読者は、彼らの政治グループ内をよりポジティブに、そして彼らの政治外集団をよりネガティブに知覚するようになる。
興味深いことに、読者はアルゴリズムによってキュレートされたツイートを好むが、アルゴリズムによって選択された政治ツイートを好む可能性が高い。
本研究は,ソーシャルメディアランキングアルゴリズムの効果に関する重要な知見を提供するとともに,世論や民主的エンゲージメントの形成にも寄与する。
関連論文リスト
- Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。
調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
論文 参考訳（メタデータ） (2024-10-31T07:19:22Z) - 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) - Filter bubbles and affective polarization in user-personalized large
language model outputs [0.15540058359482856]
大規模言語モデル(LLM)は、個々のユーザに対して、モデル出力のパーソナライズを増大させる要因となっている。
事実質問の前にユーザの政治的関連性によって,主要な大規模言語モデルであるChatGPT-3.5をいかに促進させるかを検討する。
論文 参考訳（メタデータ） (2023-10-31T18:19:28Z) - Dynamics of Ideological Biases of Social Media Users [0.0]
オンラインプラットフォーム全体の世論グループの進化は,世論を抱きたいという欲求に支えられていることを示す。
われわれはTwitterとParlerという2つのソーシャルメディアに焦点を当て、ユーザーの政治的偏見を追跡した。
論文 参考訳（メタデータ） (2023-09-27T19:39:07Z) - Incentivizing Combinatorial Bandit Exploration [87.08827496301839]
自己関心のあるユーザに対してレコメンデーションシステムでアクションを推奨するバンディットアルゴリズムを考える。
ユーザーは他のアクションを自由に選択でき、アルゴリズムの推奨に従うためにインセンティブを得る必要がある。
ユーザは悪用を好むが、アルゴリズムは、前のユーザから収集した情報を活用することで、探索にインセンティブを与えることができる。
論文 参考訳（メタデータ） (2022-06-01T13:46:25Z) - Preference Dynamics Under Personalized Recommendations [12.89628003097857]
ユーザがパーソナライズされたコンテンツレコメンデーションを受けると、偏光に類似する現象が生じるかどうかを示す。
より興味深い目的は、リコメンデーションアルゴリズムがユーザの好みの定常性を保証するための条件を理解することである。
論文 参考訳（メタデータ） (2022-05-25T19:29:53Z) - Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise
Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。
本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。
提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文 参考訳（メタデータ） (2021-10-08T13:51:55Z) - 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) - Echo Chambers in Collaborative Filtering Based Recommendation Systems [1.5140493624413542]
我々は、MovieLensデータセットのユーザに対して協調フィルタリングアルゴリズムによって与えられるレコメンデーションをシミュレートする。
システム生成レコメンデーションの長期曝露は、コンテンツの多様性を著しく低下させる。
我々の研究は、これらのエコーチャンバが確立すれば、個々のユーザが自分の評価ベクトルのみを操作することで、突破するのは難しいことを示唆している。
論文 参考訳（メタデータ） (2020-11-08T02:35:47Z) - Right and left, partisanship predicts (asymmetric) vulnerability to
misinformation [71.46564239895892]
我々は、Twitter上でのニュース共有行動を研究することにより、パルチザン、エコーチャンバー、およびオンライン誤情報に対する脆弱性の関係を分析する。
誤情報に対する脆弱性は、左派と右派の両方のユーザーの党派の影響を強く受けている。
論文 参考訳（メタデータ） (2020-10-04T01:36:14Z) - A Robust Reputation-based Group Ranking System and its Resistance to
Bribery [8.300507994596416]
マルチパートレーティングワークを利用した評価に基づく新しいランキングシステムを提案する。
贈賄に対する抵抗性と最適な贈賄戦略の設計方法について検討する。
論文 参考訳（メタデータ） (2020-04-13T22:28:29Z)
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。