論文の概要: You See It, They Don't: An Exploratory Study of User-to-User Variation in Instagram Comments
- arxiv url: http://arxiv.org/abs/2603.21953v1
- Date: Mon, 23 Mar 2026 13:10:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.685034
- Title: You See It, They Don't: An Exploratory Study of User-to-User Variation in Instagram Comments
- Title（参考訳）: Instagramコメントのユーザー・ユーザー間の変動に関する調査研究
- Authors: Brahmani Nutakki, Manon Lilott Kempermann, Ingmar Weber,
- Abstract要約: 2025年3月、MetaはInstagramユーザーに表示されるコメントの順序をランク付けする新しいAIシステムを発表した。
本稿では,異なるユーザに対して表示された可視的コメントの体系的差異をランキングシステムが生み出すかどうかを,小規模で調査した。
ニュース投稿の目に見えるコメントは、ニュース投稿よりもユーザーによって異なる可能性が低いことがわかりました。
- 参考スコア（独自算出の注目度）: 0.3699222009113239
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In March 2025, Meta announced a new AI system to rank the order of the comments shown to Instagram users. With existing research showing how feed personalization systems can lead to increased polarization, the introduction of this new system raises similar questions. This paper presents a small-scale exploratory study examining whether the ranking system produces systematic differences in visible comments shown to different users, particularly for news-related content. Using four sock-puppet accounts varying in gender and political leaning, we collect visible comments on posts from ten news and ten non-news accounts. This collection is repeated twice from two VPN locations to assess location effects. We ask 1) how many visible comments vary across different users, 2) is this variation higher for news accounts than non-news accounts, and 3) can user-attributes like gender, political leaning, and location systematically explain the observed variation. Contrary to our expectations, we find that visible comments on news posts are less likely to vary across users than those on non-news posts. Variation is better explained by account metrics like comment and follower counts than by user attributes. These findings provide an initial glimpse into personalized comment ranking on Instagram and motivate larger, more systematic audits of how comment personalization may shape online discourse. To support further research, we provide the code to collect comments and the data upon request.
- Abstract（参考訳）: 2025年3月、MetaはInstagramユーザーに表示されるコメントの順序をランク付けする新しいAIシステムを発表した。
フィードのパーソナライゼーションシステムがどのように偏光を増大させるかを示す既存の研究により、この新しいシステムの導入は同様の疑問を提起する。
本稿では,特にニュース関連コンテンツにおいて,ランキングシステムが異なるユーザに対して,視覚的コメントの体系的差異を生じさせるかどうかを調査する。
性別や政治的傾向の異なる4つのソックス・パペットアカウントを使用して、10のニュースと10のニュースアカウントからの投稿に対する可視的なコメントを収集する。
このコレクションは、位置効果を評価するために、2つのVPNロケーションから2回繰り返される。
私たちは尋ねる
1) 異なるユーザー間で可視的なコメントがいくつあるか。
2)ニュースアカウントでは非ニュースアカウントよりもこのバリエーションが高いか?
3) 性別, 政治的傾向, 場所といったユーザの属性は, 観察された変化を体系的に説明できる。
われわれの予想とは対照的に、ニュース記事の目に見えるコメントは、ニュース記事以外のものよりも、ユーザーによって異なる可能性が低い。
ユーザ属性よりもコメントやフォロワー数などのアカウントのメトリクスの方が、より説明しやすい。
これらの調査結果は、Instagramのパーソナライズされたコメントランキングを初めて垣間見るとともに、コメントのパーソナライゼーションがオンラインの会話をどう形作るかについて、より大きく、より体系的な監査を動機付けている。
さらなる研究を支援するため、要求に応じてコメントやデータを収集するコードを提供しています。
関連論文リスト
- Let Silence Speak: Enhancing Fake News Detection with Generated Comments from Large Language Models [17.612043837566134]
コメントはユーザーの意見、姿勢、感情を反映し、モデルは偽ニュースに対する理解を深める可能性がある。
露出バイアスと利用者のコメント意欲が異なるため、現実には多様なコメントを得るのは容易ではない。
我々は,多様なユーザプロファイルを持つLLMに対して,コメントを生成するフィードバック強化検出フレームワークGenFENDを提案する。
論文 参考訳（メタデータ） (2024-05-26T17:09:23Z) - Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。
アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。
本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
論文 参考訳（メタデータ） (2024-04-19T16:45:50Z) - Personalized Prediction of Offensive News Comments by Considering the
Characteristics of Commenters [0.0]
本研究の目的は、このような攻撃的なコメントを予測し、コメントを読みながら読者の体験の質を向上させることである。
提案手法は,読者の価値観の多様性を考慮し,過去に「悪質」と評価された少数のニュースコメントからのフィードバックに基づいて,各読者に対する攻撃的なニュースコメントを予測する。
提案手法の実験結果から,予測に使用する読者のフィードバックデータが限られている場合でも,予測がパーソナライズ可能であることが示された。
論文 参考訳（メタデータ） (2022-12-26T16:19:03Z) - Listen to what they say: Better understand and detect online
misinformation with user feedback [0.0]
私たちは、2020年6月にフランス、イギリス、米国でFacebookとInstagramで報告された9000件の項目をレビューします。
これにより、国とプラットフォーム間のコンテンツ報告に関する意味のある区別を観察することができる。
誤報として報告された内容の半分の正確さを説明できる4種類のノイズを導出する。
論文 参考訳（メタデータ） (2022-10-31T09:21:01Z) - Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。
我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文 参考訳（メタデータ） (2022-06-01T00:45:32Z) - Analyzing Behavioral Changes of Twitter Users After Exposure to
Misinformation [1.8251012479962594]
一般のTwitterユーザーが誤報に晒された後に行動を変えたかどうかを理解することを目的としている。
露出したユーザーの行動前後を比較して、投稿したツイートの頻度に大きな変化があったかどうかを判断する。
また,潜在的に影響を受けやすい2つの特定のユーザグループ,マルチ露光と極端な変更グループの特徴についても検討した。
論文 参考訳（メタデータ） (2021-11-01T04:48:07Z) - 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) - 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)
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。