論文の概要: Authenticity and exclusion: social media algorithms and the dynamics of belonging in epistemic communities
- arxiv url: http://arxiv.org/abs/2407.08552v2
- Date: Mon, 21 Oct 2024 16:47:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:13:53.065903
- Title: Authenticity and exclusion: social media algorithms and the dynamics of belonging in epistemic communities
- Title(参考訳): 正当性と排他性:ソーシャルメディアアルゴリズムとてんかんコミュニティに属するダイナミックス
- Authors: Nil-Jana Akpinar, Sina Fazelpour,
- Abstract要約: 本稿では,ソーシャルメディアプラットフォームとそのレコメンデーションアルゴリズムが,少数派の研究者の専門的視認性と機会をいかに形成するかを検討する。
まず、これらのアルゴリズムは少数派の研究者の専門的な可視性を著しく損なう。
第二に、これらの少数派グループの中では、アルゴリズムは多数派に近づき、プロの可視性を犠牲にして同化を動機付ける。
- 参考スコア(独自算出の注目度): 0.8287206589886879
- License:
- Abstract: Recent philosophical work has explored how the social identity of knowers influences how their contributions are received, assessed, and credited. However, a critical gap remains regarding the role of technology in mediating and enabling communication within today's epistemic communities. This paper addresses this gap by examining how social media platforms and their recommendation algorithms shape the professional visibility and opportunities of researchers from minority groups. Using agent-based simulations, we investigate this question with respect to components of a widely used recommendation algorithm, and uncover three key patterns: First, these algorithms disproportionately harm the professional visibility of researchers from minority groups, creating systemic patterns of exclusion. Second, within these minority groups, the algorithms result in greater visibility for users who more closely resemble the majority group, incentivizing assimilation at the cost of professional invisibility. Third, even for topics that strongly align with minority identities, content created by minority researchers is less visible to the majority than similar content produced by majority users. Importantly, these patterns emerge, even though individual engagement with professional content is independent of group identity. These findings have significant implications for philosophical discussions on epistemic injustice and exclusion, and for policy proposals aimed at addressing these harms. More broadly, they call for a closer examination of the pervasive, but often neglected role of AI and data-driven technologies in shaping today's epistemic communities.
- Abstract(参考訳): 近年の哲学的な研究は、知識人の社会的アイデンティティが貢献の受け取り、評価、評価にどのように影響するかを探求してきた。
しかし、今日のてんかんコミュニティにおけるコミュニケーションの仲介・実現における技術の役割について、重要なギャップが残っている。
本稿では,ソーシャルメディアプラットフォームとその推薦アルゴリズムが,少数派の研究者の専門的視認性と機会をいかに形成するかを検討することで,このギャップに対処する。
まず、これらのアルゴリズムは少数派の研究者の専門的な視認性を損なうことなく、排除の体系的なパターンを創出する。
第二に、これらの少数派グループの中では、アルゴリズムは多数派に近づき、プロの可視性を犠牲にして同化を動機付ける。
第3に、少数派の研究者が作成したコンテンツは、少数派のユーザーが作成した類似のコンテンツよりも、多数派にはあまり見えない。
重要なことは、プロのコンテンツに対する個人的関与がグループアイデンティティとは無関係であるにもかかわらず、これらのパターンが出現する。
これらの知見は、疫学的不正と排除に関する哲学的議論や、これらの害に対処するための政策提案に重要な意味を持つ。
より広い範囲で、彼らは広範に広まるものの、今日のてんかんのコミュニティを形成する上でのAIとデータ駆動技術の役割を無視することが多い。
関連論文リスト
- The Illusion of Anonymity: Uncovering the Impact of User Actions on Privacy in Web3 Social Ecosystems [11.501563549824466]
本稿では,Web3ソーシャルプラットフォームにおけるユーザエンゲージメントと,それに伴うプライバシー問題との相違点について検討する。
我々は,人気を模したボグスアカウントの確立を含む,製造活動の広範な現象を精査する。
我々は、社会交流の複雑なウェブをナビゲートする、より厳格なプライバシー対策と倫理的プロトコルの緊急的必要性を強調します。
論文 参考訳(メタデータ) (2024-05-22T06:26:15Z) - Recommendation Fairness in Social Networks Over Time [20.27386486425493]
提案手法は,時間経過に伴う推薦公平性の進化と動的ネットワーク特性との関係について検討する。
提案手法によらず,推奨公正性は時間の経過とともに向上することが示唆された。
マイノリティ比とホモフィリー比の2つのネットワーク特性は、時間とともに公平性と安定した相関を示す。
論文 参考訳(メタデータ) (2024-02-05T19:03:23Z) - Modeling Political Orientation of Social Media Posts: An Extended
Analysis [0.0]
オンラインソーシャルメディア上で政治的分極を特徴付ける機械学習モデルを開発することは、大きな課題である。
これらの課題は主に、注釈付きデータの欠如、ソーシャルメディアデータセットにおけるノイズの存在、膨大な量のデータなど、さまざまな要因に起因している。
本稿では、ソーシャルメディア投稿のラベル付けに、メディアバイアスと投稿コンテンツを活用する2つの方法を紹介する。
ソーシャルメディア投稿の政治的指向を予測することで,現在の機械学習モデルの性能向上を実証する。
論文 参考訳(メタデータ) (2023-11-21T03:34:20Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳(メタデータ) (2023-10-20T06:17:02Z) - 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) - Along the Margins: Marginalized Communities' Ethical Concerns about
Social Platforms [3.357853336791203]
我々は、社会プラットフォームに関する地域社会の倫理的懸念を特定した。
最近のプラットフォームへの悪影響は、ソフトウェアチームがユーザーの懸念よりも株主の関心を優先していることを示している。
地域社会の倫理的懸念は、主に差別や表現の誤りに反することがわかった。
論文 参考訳(メタデータ) (2023-04-18T10:15:16Z) - Joint Multisided Exposure Fairness for Recommendation [76.75990595228666]
本稿では,消費者と生産者の両面から共同で問題をモデル化する,露出公正度尺度のファミリを定式化する。
具体的には、双方の利害関係者に対するグループ属性について、個別のユーザや項目を超えて、より体系的なバイアスを推奨するフェアネスの懸念を識別し緩和する。
論文 参考訳(メタデータ) (2022-04-29T19:13:23Z) - Fragments of the Past: Curating Peer Support with Perpetrators of
Domestic Violence [88.37416552778178]
我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。
私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。
これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
論文 参考訳(メタデータ) (2021-07-09T22:57:43Z) - 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) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳(メタデータ) (2020-06-03T11:34:25Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳(メタデータ) (2020-02-05T11:10:44Z)
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。