論文の概要: Online Homogeneity Can Emerge Without Filtering Algorithms or Homophily Preferences

• arxiv url: http://arxiv.org/abs/2508.10466v1
• Date: Thu, 14 Aug 2025 09:08:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.244942
• Title: Online Homogeneity Can Emerge Without Filtering Algorithms or Homophily Preferences
• Title（参考訳）: オンラインホモジニティはフィルタリングアルゴリズムやホモフィリーな選好を使わずに創出できる
• Authors: Petter Törnberg,
• Abstract要約: イデオロギー的に均質なオンライン環境は、偏極化、急進化、誤報の原動力と見なされている。 中心的な議論は、このようなホモフィリーがアルゴリズムによるキュレーションや、同志の仲間に対するユーザの好みに主に起因しているかどうかを問うものである。 本研究は, フィルタリングアルゴリズムとユーザの嗜好の両方が欠如している場合に, 均一性が出現することを示すことによって, この視点に挑戦する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ideologically homogeneous online environments - often described as "echo chambers" or "filter bubbles" - are widely seen as drivers of polarization, radicalization, and misinformation. A central debate asks whether such homophily stems primarily from algorithmic curation or users' preference for like-minded peers. This study challenges that view by showing that homogeneity can emerge in the absence of both filtering algorithms and user preferences. Using an agent-based model inspired by Schelling's model of residential segregation, we demonstrate that weak individual preferences, combined with simple group-based interaction structures, can trigger feedback loops that drive communities toward segregation. Once a small imbalance forms, cascades of user exits and regrouping amplify homogeneity across the system. Counterintuitively, algorithmic filtering - often blamed for "filter bubbles" - can in fact sustain diversity by stabilizing mixed communities. These findings highlight online polarization as an emergent system-level dynamic and underscore the importance of applying a complexity lens to the study of digital public spheres.
• Abstract（参考訳）: イデオロギー的に均質なオンライン環境(しばしば"echo chambers"や"filter bubbles"と呼ばれる)は、偏極化、急進化、誤報の原動力として広く見なされている。 中心的な議論は、このようなホモフィリーがアルゴリズムによるキュレーションや、同志の仲間に対するユーザの好みに主に起因しているかどうかを問うものである。 本研究は, フィルタリングアルゴリズムとユーザの嗜好の両方が欠如している場合に, 均一性が出現することを示すことによって, この視点に挑戦する。 Schellingの住宅分離モデルにインスパイアされたエージェントベースモデルを用いて、弱い個人の選好と単純なグループベースの相互作用構造が組み合わさって、コミュニティが分離に向かって進むフィードバックループをトリガーできることを実証する。 一度小さな不均衡が形成されると、ユーザの出口と再グループ化のカスケードは、システム全体の均一性を増幅する。 アルゴリズムによるフィルタリングは、しばしば「フィルターバブル」と非難されるが、実際には混在するコミュニティを安定化させることで多様性を維持できる。 これらの知見は、オンライン偏光を創発的なシステムレベルのダイナミクスとして強調し、デジタルパブリックスフィアの研究に複雑性レンズを適用することの重要性を強調している。

関連論文リスト

• Filter Bubble or Homogenization? Disentangling the Long-Term Effects of Recommendations on User Consumption Patterns [4.197682068104959]
  より洗練されたホモジェナイゼーションとフィルタバブル効果の定義を2つの重要な指標に分解して開発する。 次に,提案手法が均質化やフィルタバブル効果に与える影響を総合的に把握する新しいエージェント・ベース・シミュレーション・フレームワークを用いる。 両タイプの多様性を考慮し、より曖昧なアプローチをとる2つの新しい推奨アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2024-02-22T23:12:20Z)
• Picking on the Same Person: Does Algorithmic Monoculture lead to Outcome Homogenization? [90.35044668396591]
  機械学習における繰り返しのテーマはアルゴリズムによるモノカルチャーである。同じシステム、またはコンポーネントを共有するシステムは、複数の意思決定者によってデプロイされる。 意思決定者がトレーニングデータや特定のモデルなどのコンポーネントを共有すれば、より均一な結果が得られます。 我々はこの仮説をアルゴリズムフェアネスベンチマークで検証し、トレーニングデータの共有がホモジェナイゼーションを確実に悪化させることを示した。 結果の均質化に関する哲学的分析と社会的な課題を、デプロイされた機械学習システムに含めることに着目して結論付ける。
  論文  参考訳（メタデータ） (2022-11-25T09:33:11Z)
• Network polarization, filter bubbles, and echo chambers: An annotated review of measures and reduction methods [0.0]
  偏極は、下層のネットワークが、グループ間の接続が弱い高度に連結されたグループによって特徴づけられるときに生じる。 本研究は、ネットワーク偏光対策と偏光処理に使用されるモデルについて注釈付きレビューを行う。
  論文  参考訳（メタデータ） (2022-07-27T21:23:27Z)
• The drivers of online polarization: fitting models to data [0.0]
  エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。 これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。 シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T17:00:41Z)
• Fair Group-Shared Representations with Normalizing Flows [68.29997072804537]
  本研究では,異なるグループに属する個人を1つのグループにマッピングできる公正表現学習アルゴリズムを開発した。 提案手法は,他の公正表現学習アルゴリズムと競合することを示す。
  論文  参考訳（メタデータ） (2022-01-17T10:49:49Z)
• Hybrid Dynamic Contrast and Probability Distillation for Unsupervised Person Re-Id [109.1730454118532]
  非監督的人物再識別(Re-Id)は、リードワールドビデオ監視システムにおける実践的応用により注目されている。 本稿では,ハイブリッド動的クラスタコントラストと確率蒸留アルゴリズムを提案する。 教師なしRe-Id問題を局所-言語的ダイナミックコントラスト学習と自己教師付き確率蒸留の枠組みに統合する。
  論文  参考訳（メタデータ） (2021-09-29T02:56:45Z)
• Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
  相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。 本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
  論文  参考訳（メタデータ） (2021-08-10T14:46:17Z)
• Designing Recommender Systems to Depolarize [0.32634122554913997]
  分極は民主主義の侵食と暴力の進行に関係している。 アルゴリズム駆動のソーシャルメディアは、国レベルでの偏光の主要な要因とは思えないが、偏光社会において有用な介入ポイントとなるかもしれない。 本稿では,畳み込み変換を目標としたアルゴリズム的脱分極介入について検討する。
  論文  参考訳（メタデータ） (2021-07-11T03:23:42Z)
• Harnessing Heterogeneity: Learning from Decomposed Feedback in Bayesian Modeling [68.69431580852535]
  サブグループフィードバックを取り入れた新しいGPレグレッションを導入する。 我々の修正された回帰は、以前のアプローチと比べて、明らかにばらつきを減らし、したがってより正確な後続を減らした。 我々は2つの異なる社会問題に対してアルゴリズムを実行する。
  論文  参考訳（メタデータ） (2021-07-07T03:57:22Z)
• An Online Learning Approach to Interpolation and Extrapolation in Domain Generalization [53.592597682854944]
  リスクを最小化するプレイヤーと新しいテストを示す敵の間のオンラインゲームとしてサブグループの一般化を再放送する。 両課題に対してERMは極小最適であることを示す。
  論文  参考訳（メタデータ） (2021-02-25T19:06:48Z)

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。