論文の概要: Algorithmic Audit of Personalisation Drift in Polarising Topics on TikTok
- arxiv url: http://arxiv.org/abs/2603.20723v1
- Date: Sat, 21 Mar 2026 09:13:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.057143
- Title: Algorithmic Audit of Personalisation Drift in Polarising Topics on TikTok
- Title（参考訳）: TikTok上の偏光トピックにおけるパーソナライズドリフトのアルゴリズムによる監査
- Authors: Branislav Pecher, Adrian Bindas, Jan Jakubcik, Matus Tuna, Matus Tibensky, Simon Liska, Peter Sakalik, Andrej Suty, Matej Mosnar, Filip Hossner, Ivan Srba,
- Abstract要約: 我々は、TikTokが特定のトピックや極性に対してどのようにコンテンツを扱うかを、時間とともに調査する。
具体的には、選好整列ドリフト、偏光位相ドリフト、偏光スタンスドリフトについて検討した。
総じて,提案手法がトピックによって著しく異なることを示す証拠が得られた。
- 参考スコア（独自算出の注目度）: 6.386379303219094
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media platforms have become an integral part of everyday life, serving as a primary source of news and information for many users. These platforms increasingly rely on personalised recommendation systems that shape what users see and engage with. While these systems are optimised for engagement, concerns have emerged that they may also drive users toward more polarised perspectives, particularly in contested domains such as politics, climate change, vaccines, and conspiracy theories. In this paper, we present an algorithmic audit of personalisation drift on TikTok in these polarising topics. Using controlled accounts designed to simulate users with interests aligned with or opposed to different polarising topics, we systematically measure the extent to which TikTok steers content exposure toward specific topics and polarities over time. Specifically, we investigated: 1) a preference-aligned drift (showing a strong personalisation towards user interests), 2) a polarisation-topic drift (showing a strong neutralising effect for misinformation-themed topics, and a high preference and reinforcement of interest of US politic topic); and 3) a polarisation-stance drift (showing a preference of oppose stance towards US politics topic and a general reinforcement of users' stance by recommending items aligned with their stance towards polarising topics). Overall, our findings provide evidence that recommendation trajectories differ markedly across topics, with some pathways amplifying polarised viewpoints more strongly than others and offer insights for platform governance, transparency and user awareness.
- Abstract（参考訳）: ソーシャルメディアプラットフォームは日常生活の不可欠な部分となり、多くのユーザーにとってニュースや情報の主要な情報源となっている。
これらのプラットフォームは、ユーザーが見ているものを形作るパーソナライズされたレコメンデーションシステムにますます依存している。
これらのシステムはエンゲージメントのために最適化されているが、特に政治、気候変動、ワクチン、陰謀論といった対立する領域において、ユーザーをより分極化された視点へと導くのではないかという懸念が浮かび上がっている。
本稿では,TikTok上でのパーソナライズドリフトのアルゴリズムによる評価について述べる。
制御されたアカウントを用いて、異なるポーラライジングトピックに合わせたり、反対したりするユーザの興味をシミュレートし、TikTokが特定のトピックやポーラリティに対してコンテンツを公開する程度を、時間とともに体系的に測定する。
具体的には、以下のことを調査した。
1)優先に整合したドリフト(ユーザ関心に対する強いパーソナライズを図ったもの)
2)偏極-話題の漂流(誤報をテーマとした話題に対する強い中和効果、米国の政治トピックに対する高い嗜好と関心の強化)、
3)偏極的スタンスドリフト(米国の政治トピックに対する反対の姿勢と、偏極的トピックに対する姿勢に沿った項目を推奨することでユーザのスタンスを全般的に強化する)。
全体として、私たちの発見は、推奨の軌跡がトピックによって著しく異なることを示す証拠を提供しており、いくつかの経路は、ポーラライズされた視点を他のものよりも強く増幅し、プラットフォームガバナンス、透明性、ユーザ意識に対する洞察を提供する。
関連論文リスト
- Tree of Preferences for Diversified Recommendation [54.183647833064136]
データバイアスの観点から、多種多様な推薦について検討する。
本研究では,世界知識を活用したゼロショット推論における大規模言語モデル(LLM)の卓越した性能に着想を得て,新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-12-24T04:13:17Z) - Constructing Political Coordinates: Aggregating Over the Opposition for Diverse News Recommendation [1.1787037402510556]
ニュースレコメンデーターシステム(NRS)は、政治の混乱と情報過負荷を最小限に抑えるのに有用であることが示されている。
NRSは、読者の関心を記事の読み史における党派的偏見と区別することが多い。
相互作用の延長により、これはフィルターバブルの形成とユーザパルチザンの分極をもたらす。
論文 参考訳（メタデータ） (2025-11-14T23:04:04Z) - Reading Between the Lines: A Study of Thematic Bias in Book Recommender Systems [0.0]
本論文では,特定の主題を不当に好むか無視するものとして定義された書籍推薦におけるテーマバイアスについて紹介し,考察する。
我々は,推薦におけるテーマバイアスとその異なるユーザグループへの影響を評価するために,多段階のバイアス評価フレームワークを採用する。
その結果,テーマバイアスはコンテンツの不均衡から発生し,ユーザのエンゲージメントパターンによって増幅されることがわかった。
論文 参考訳（メタデータ） (2025-08-21T15:20:39Z) - Personalized Topic Selection Model for Topic-Grounded Dialogue [24.74527189182273]
現在のモデルは、ユーザに興味がなく、文脈的に無関係なトピックを予測する傾向があります。
我々はtextbfTopic-grounded textbfDialogue のための textbfPersonalized topic stextbfElection model を提案する。
提案手法は,多種多様な応答を生成でき,最先端のベースラインを達成できる。
論文 参考訳（メタデータ） (2024-06-04T06:09:49Z) - A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
選好選好における選好バイアスの影響について検討した。
大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。
本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
論文 参考訳（メタデータ） (2024-05-01T14:56:56Z) - Unpacking polarization: Antagonism and Alignment in Signed Networks of
Online Interaction [0.3581083356941628]
20世紀、主要断層線は、所有者対労働者、中心対周辺など構造的な紛争によって形成された。
FAULTANAパイプライン(FAULTANA Pipeline)は、署名されたオンラインインタラクションのデータにおいて、主要な障害線を明らかにするための計算手法である。
提案手法により,異なるオンライン討論会でよく見られる敵意の程度を定量化し,また,各議論がいかに主要な障害線に一致しているかを定量化することができる。
論文 参考訳（メタデータ） (2023-07-13T05:57:48Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。
我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。
我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
論文 参考訳（メタデータ） (2022-06-26T12:07:56Z) - 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) - Perspective-taking to Reduce Affective Polarization on Social Media [11.379010432760241]
ブラウザエクステンションを通じてランダムなフィールド実験をTwitter上で1,611人の参加者に展開する。
参加者を「アウトグループ」フィードに露出するだけでエンゲージメントが向上するが、他の人々が政治的見解を持っている理由の理解は得られない。
参加者に不一致を思い出させるよう促すことによって、親しみやすく共感的な言葉で経験をフレーミングすることは、エンゲージメントに影響を与えず、反対の見解を理解する能力を高める。
論文 参考訳（メタデータ） (2021-10-11T20:25:10Z) - 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)
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。