論文の概要: The Role of Follow Networks and Twitter's Content Recommender on Partisan Skew and Rumor Exposure during the 2022 U.S. Midterm Election

• arxiv url: http://arxiv.org/abs/2509.09826v1
• Date: Thu, 11 Sep 2025 19:58:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:07.910262
• Title: The Role of Follow Networks and Twitter's Content Recommender on Partisan Skew and Rumor Exposure during the 2022 U.S. Midterm Election
• Title（参考訳）: 2022年アメリカ合衆国中間選挙での党派スキューと噂暴露におけるフォローネットワークとTwitterのコンテンツレコメンダーの役割
• Authors: Kayla Duskin, Joseph S. Schafer, Alexandros Efstratiou, Jevin D. West, Emma S. Spiro,
• Abstract要約: われわれは自動アカウントを使って、2022年の中間選挙でTwitterのアルゴリズムがキュレートされ、時系列が逆になったことを記録している。 その結果,アルゴリズムのタイムラインは,選挙内容や党派スキュー,低品質情報や選挙噂の頻度に大きく影響していることがわかった。
• 参考スコア（独自算出の注目度）: 38.85381861935736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social media platforms shape users' experiences through the algorithmic systems they deploy. In this study, we examine to what extent Twitter's content recommender, in conjunction with a user's social network, impacts the topic, political skew, and reliability of information served on the platform during a high-stakes election. We utilize automated accounts to document Twitter's algorithmically curated and reverse chronological timelines throughout the U.S. 2022 midterm election. We find that the algorithmic timeline measurably influences exposure to election content, partisan skew, and the prevalence of low-quality information and election rumors. Critically, these impacts are mediated by the partisan makeup of one's personal social network, which often exerts greater influence than the algorithm alone. We find that the algorithmic feed decreases the proportion of election content shown to left-leaning accounts, and that it skews content toward right-leaning sources when compared to the reverse chronological feed. We additionally find evidence that the algorithmic system increases the prevalence of election-related rumors for right-leaning accounts, and has mixed effects on the prevalence of low-quality information sources. Our work provides insight into the outcomes of Twitter's complex recommender system at a crucial time period before controversial changes to the platform and in the midst of nationwide elections and highlights the need for ongoing study of algorithmic systems and their role in democratic processes.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、デプロイするアルゴリズムシステムを通じて、ユーザのエクスペリエンスを形成する。 本研究では,Twitterのコンテンツレコメンデータがユーザのソーシャルネットワークと連動して,そのトピックや政治的歪,プラットフォーム上で提供される情報の信頼性にどの程度影響するかを検討する。 われわれは自動アカウントを利用して、2022年の中間選挙でTwitterのアルゴリズムがキュレートされ、時系列が逆になったことを記録した。 その結果,アルゴリズムのタイムラインは,選挙内容や党派スキュー,低品質情報や選挙噂の頻度に大きく影響していることがわかった。 批判的に、これらの影響は個人のソーシャルネットワークのパルチザン的な構成によって媒介される。 アルゴリズムによるフィードは、左利きのアカウントに示される選挙内容の割合を減少させ、逆時系列のフィードと比較して、コンテンツを右利きのソースにスキューすることがわかった。 また,アルゴリズムが右利きアカウントの選挙関連噂の頻度を増大させ,低品質情報ソースの頻度に混在する証拠も見いだす。 我々の研究は、Twitterの複雑なレコメンデーションシステムの結果を、プラットフォームと全国選挙の最中に議論を呼ぶ前に、重要な時期における洞察を与え、アルゴリズムシステムの継続的な研究の必要性と、その民主的プロセスにおける役割を強調している。

関連論文リスト

• Analyzing News Engagement on Facebook: Tracking Ideological Segregation and News Quality in the Facebook URL Dataset [2.047424180164312]
  我々は、2017年1月から2020年12月までの4年間にわたる、人気のあるニュースドメインとの関わりを包括的に分析する。 我々は、リベラルで保守的で穏健な聴衆のために、イデオロギーの重み付けされた平均とニュース消費の質を構築した。 トレンドには2つの大きな変化があり、それぞれがエンゲージメントの変化に結びついている。
  論文  参考訳（メタデータ） (2024-09-20T12:50:17Z)
• 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)
• Engagement, User Satisfaction, and the Amplification of Divisive Content on Social Media [22.206581957044513]
  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。
  論文  参考訳（メタデータ） (2023-05-26T13:57:30Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections [92.33485580547801]
  我々は2016年米大統領選挙と2020年米大統領選挙の間の分極の変化を分析した。 トップインフルエンサーのほとんどが、両選挙の間にメディア組織に所属していた。 2020年のトップインフルエンサーの75%は2016年は存在しなかった。
  論文  参考訳（メタデータ） (2021-11-03T20:08:54Z)
• Algorithmic Amplification of Politics on Twitter [17.631887805091733]
  Twitterプラットフォーム上で大規模なランダム化実験を行った結果,定量的な証拠が得られた。 7カ国の政党から選出された議員によるつぶやきについて検討した。 7ヶ国中6ヶ国で、主流の政治的権利は、主流の政治的左翼よりも高いアルゴリズム的増幅を享受している。
  論文  参考訳（メタデータ） (2021-10-21T09:25:39Z)
• 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)
• Inferring Political Preferences from Twitter [0.0]
  ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。 選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。 本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
  論文  参考訳（メタデータ） (2020-07-21T05:20:43Z)
• 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)

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。