論文の概要: The Prosocial Ranking Challenge: Reducing Polarization on Social Media without Sacrificing Engagement

• arxiv url: http://arxiv.org/abs/2603.19626v1
• Date: Fri, 20 Mar 2026 04:10:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.989078
• Title: The Prosocial Ranking Challenge: Reducing Polarization on Social Media without Sacrificing Engagement
• Title（参考訳）: 社会的ランク付けの課題 : エンゲージメントを犠牲にすることなくソーシャルメディア上での分極を減らす
• Authors: Jonathan Stray, Ian Baker, George Beknazar-Yuzbashev, Ceren Budak, Julia Kamin, Kylan Rutherford, Mateusz Stalinski, Tin Acosta, Chris Bail, Michael Bernstein, Mark Brandt, Amy Bruckman, Anshuman Chhabra, Soham De, Kayla Duskin, Sara Fish, Beth Goldberg, Andy Guess, Dylan Hadfield-Menell, Muhammed Haroon, Safwan Hossain, Michael Inzlicht, Gauri Jain, Yanchen Jiang, Alexander P. Landry, Yph Lelkes, Hongfan Lu, Peter Mason, Jennifer McCoy, Smitha Milli, Paul Resnick, Emily Saltz, Martin Saveski, Lisa Schirch, Max Spohn, Siddarth Srinivasan, Alexis Tatore, Luke Thorburn, Joshua A. Tucker, Robb Willer, Magdalena Wojcieszak, Manuel Wüthrich, Sylvan Zheng,
• Abstract要約: われわれはブラウザの拡張機能を使って、どの投稿がデスクトップのソーシャルメディアユーザーに表示されたかを修正した。 ランダムに9,386名のユーザを制御グループまたは5つの代替ランキングアルゴリズムの1つに割り当てた。 我々は、幸福感、ニュース知識、グループ外共感、パルチザン暴力に対する認識、支援には何の影響も見出さなかった。
• 参考スコア（独自算出の注目度）: 37.62581855018157
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We report the first direct comparisons of multiple alternative social media algorithms on multiple platforms on outcomes of societal interest. We used a browser extension to modify which posts were shown to desktop social media users, randomly assigning 9,386 users to a control group or one of five alternative ranking algorithms which simultaneously altered content across three platforms for six months during the US 2024 presidential election. This reduced our preregistered index of affective polarization by an average of 0.03 standard deviations (p < 0.05), including a 1.5 degree decrease in differences between the 100 point inparty and outparty feeling thermometers. We saw reductions in active use time for Facebook (-0.37 min/day) and Reddit (-0.2 min/day), but an increase of 0.32 min/day (p < 0.01) for X/Twitter. We saw an increase in reports of negative social media experiences but found no effects on well-being, news knowledge, outgroup empathy, perceptions of and support for partisan violence. This implies that bridging content can improve some societal outcomes without necessarily conflicting with the engagement-driven business model of social media.
• Abstract（参考訳）: ソーシャルな関心事の結果について,複数のプラットフォーム上でのソーシャルメディアアルゴリズムの直接比較を行った。 われわれはブラウザの拡張機能を使ってどの投稿がデスクトップのソーシャルメディアユーザーに表示されたかを修正し、ランダムに9,386人のユーザーをコントロールグループまたは5つの代替ランキングアルゴリズムに割り当てた。 その結果,情動偏極指数を平均0.03標準偏差(p<05。 Facebook (-0.37 min/day) とReddit (-0.2 min/day) ではアクティブな利用時間が短縮されたが、X/Twitterでは 0.32 min/day (p < 0.01) の増加があった。 否定的なソーシャルメディア体験の報告は増加したが、幸福感、ニュース知識、グループ外共感、パルチザン暴力に対する認識、支持には影響しなかった。 これは、コンテンツをブリッジすることで、ソーシャルメディアのエンゲージメント駆動型ビジネスモデルと必ずしも矛盾することなく、社会的な成果を改善できることを意味している。

関連論文リスト

• Contrastive Learning for Implicit Social Factors in Social Media Popularity Prediction [12.798988947331596]
  我々は、ポスト人気に影響を与えるソーシャルプラットフォームによってもたらされる要因について研究する。 これらの要因には、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティが含まれる。 本稿では、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティなど、人気に関する3つの暗黙的な社会的要因を提案する。
  論文  参考訳（メタデータ） (2024-10-12T03:25:11Z)
• 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)
• Trust and Believe -- Should We? Evaluating the Trustworthiness of Twitter Users [5.695742189917657]
  ソーシャルメディア上のフェイクニュースは、個人と社会の両方に悪影響を及ぼす大きな問題である。 この作業において、私たちは、ソーシャルネットワークコミュニティに信頼を喚起するソリューションを提供したいと考えている。 本モデルでは,Twitter上で5万人の政治家の行動を分析し,評価されたユーザ毎に影響スコアを割り当てる。
  論文  参考訳（メタデータ） (2022-10-27T06:57:19Z)
• Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study [0.7874708385247353]
  本研究は、RedditとTwitterの2つの人気ソーシャルメディアプラットフォーム上で表現された新型コロナウイルスワクチンに関する公衆の感情を調査し、比較した。 私たちは、約950万のツイートと7万のRedditコメントの感情を予測するために、微調整されたDistilRoBERTaモデルを作成しました。 その結果、Twitter上で表現される平均的な感情は、ポジティブよりもネガティブ(52%)であることが判明した。
  論文  参考訳（メタデータ） (2022-10-17T16:22:18Z)
• 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)
• 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)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• Breaking the Communities: Characterizing community changing users using text mining and graph machine learning on Twitter [0.0]
  自然言語処理技術とグラフ機械学習アルゴリズムを用いて,Twitter上でコミュニティを壊すユーザを調査した。 我々は150万人のユーザーから900万のTwitterメッセージを収集し、リツイートネットワークを構築した。 コミュニティブレーカー」を検出するソーシャルメディアユーザ分類のための機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-24T23:44:51Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)
• Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics [43.98568073610101]
  ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。 ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。 これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2019-07-13T21:12:08Z)

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。