論文の概要: Engagement, User Satisfaction, and the Amplification of Divisive Content on Social Media
- arxiv url: http://arxiv.org/abs/2305.16941v6
- Date: Sat, 07 Dec 2024 14:53:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:49:58.407004
- Title: Engagement, User Satisfaction, and the Amplification of Divisive Content on Social Media
- Title(参考訳): エンゲージメント, ユーザ満足度, ソーシャルメディアにおけるディバイシブコンテンツの増幅
- Authors: Smitha Milli, Micah Carroll, Yike Wang, Sashrika Pandey, Sebastian Zhao, Anca D. Dragan,
- Abstract要約: 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。
本稿では,ユーザの指定した嗜好に基づいてコンテンツをランク付けする代替アプローチの意義について考察する。
- 参考スコア(独自算出の注目度): 22.206581957044513
- License:
- Abstract: In a pre-registered algorithmic audit, we found that, relative to a reverse-chronological baseline, Twitter's engagement-based ranking algorithm amplifies emotionally charged, out-group hostile content that users say makes them feel worse about their political out-group. Furthermore, we find that users do \emph{not} prefer the political tweets selected by the algorithm, suggesting that the engagement-based algorithm underperforms in satisfying users' stated preferences. Finally, we explore the implications of an alternative approach that ranks content based on users' stated preferences and find a reduction in angry, partisan, and out-group hostile content, but also a potential reinforcement of pro-attitudinal content. The evidence underscores the necessity for a more nuanced approach to content ranking that balances engagement and users' stated preferences.
- Abstract(参考訳): 事前登録されたアルゴリズムによる監査で、Twitterのエンゲージメントベースのランキングアルゴリズムは、逆時系列のベースラインと比較して、感情的に充電された、グループ外の敵対的なコンテンツを増幅し、ユーザーが自身の政治的アウトグループに対して悪感を与えるという結果が得られた。
さらに, 利用者は, アルゴリズムが選択した政治的ツイートを好み, ユーザの嗜好を満たす上で, エンゲージメントに基づくアルゴリズムが不十分であることが示唆された。
最後に, ユーザの嗜好に基づいてコンテンツをランク付けし, 怒り, パルチザン, アウトグループの敵対的コンテンツを減らし, また, 保護的内容の強化の可能性についても検討する。
この証拠は、エンゲージメントとユーザの指定した嗜好のバランスをとるコンテンツランキングに対する、より曖昧なアプローチの必要性を浮き彫りにしている。
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) - Algorithmic Content Selection and the Impact of User Disengagement [19.14804091327051]
デジタルサービスはコンテンツ選択において根本的なトレードオフに直面している。
ユーザーエンゲージメントを維持するという長期的なメリットに対して、ハイリワードコンテンツから得た即時収益をバランスさせなければならない。
論文 参考訳(メタデータ) (2024-10-17T00:43:06Z) - 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) - Recommending to Strategic Users [10.079698681921673]
ユーザーは、将来推奨されるコンテンツの種類に影響を与えるために、戦略的にコンテンツを選択する。
本稿では,戦略的消費を考慮した推奨品質向上のための3つの介入を提案する。
論文 参考訳(メタデータ) (2023-02-13T17:57:30Z) - Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。
本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
論文 参考訳(メタデータ) (2022-06-27T08:16:59Z) - 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) - An Empirical Investigation of Personalization Factors on TikTok [77.34726150561087]
TikTokのアルゴリズムがプラットフォームの成功とコンテンツの配布に重要であるにもかかわらず、アルゴリズムの実証的な分析はほとんど行われていない。
我々は,私たちが開発したカスタムアルゴリズムを用いたソック・パペット・監査手法を用いて,TikTokへのアクセスに使用される言語と位置情報の効果を検証,分析した。
その結果,フォローフェールが最も強い影響を受けており,ライクフェールやビデオ視聴率が高いことが判明した。
論文 参考訳(メタデータ) (2022-01-28T17:40:00Z) - 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) - 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。