論文の概要: Auditing Algorithmic Personalization in TikTok Comment Sections

• arxiv url: http://arxiv.org/abs/2603.25061v1
• Date: Thu, 26 Mar 2026 05:52:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:13.800653
• Title: Auditing Algorithmic Personalization in TikTok Comment Sections
• Title（参考訳）: TikTokコメントセクションにおけるアルゴリズムパーソナライズの検討
• Abstract要約: われわれは、ソックス・パペットのアカウントを訓練し、左利きまたは右利きの好みを示し、その中の17件をFor You Pagesで推奨されたビデオを分析して検証した。 そして、これらの訓練されたパルチザンアカウントに示されたコメントセクションと、5つのコールドスタートアカウントを65の政治的中立なビデオで取り除いた。 トップコメントの構成は、すべてのビデオにほぼ一致しているが、異なる政治グループからのアカウント間のランキングのばらつきは、一部のビデオでは同じグループ内で見られるものよりもはるかに大きい。
• 参考スコア（独自算出の注目度）: 4.784448295763737
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalization algorithms are ubiquitous in modern social computing systems, yet their effects on comment sections remain underexplored. In this work, we conducted an algorithmic auditing experiment to examine comment personalization on TikTok. We trained sock-puppet accounts to exhibit left-leaning or right-leaning preferences and successfully validated 17 of them by analyzing the videos recommended on their For You Pages. We then scraped the comment sections shown to these trained partisan accounts, along with five cold-start accounts, across 65 politically neutral videos related to the 2024 U.S. presidential election that contain abundant discussions from both left-leaning and right-leaning perspectives. We find that while the composition of top comments remains largely consistent for all videos, ranking divergence between accounts from different political groups is significantly greater than that observed within the same group for some videos. This effect is strongly correlated with video-level metrics such as comment volume, engagement inequality, and partisan skew in the comment sections. Furthermore, through an exploratory case study, we find preliminary evidence that personalization can result in comment exposure aligned with an account's political leaning. However, this pattern is not universal, suggesting that the extent of politically oriented comment personalization is context-dependent.
• Abstract（参考訳）: パーソナライズアルゴリズムは現代のソーシャルコンピューティングシステムでは至るところで使われているが、コメントセクションに対するその影響は未解明のままである。 本研究では,TikTokのコメントパーソナライゼーションをアルゴリズムによる監査実験により検証した。 我々は、ソック・パペットのアカウントを訓練し、左利きまたは右利きの好みを示し、彼らのFor You Pagesで推奨されたビデオを分析して17の検証に成功した。 そして、これらの訓練されたパルチザンアカウントと5つのコールドスタートアカウントに示されたコメントセクションを、2024年の米大統領選挙に関連する65の政治的に中立なビデオにまとめました。 トップコメントの構成は、すべてのビデオにほぼ一致しているが、異なる政治グループからのアカウント間のランキングのばらつきは、一部のビデオでは同じグループ内で見られるものよりもはるかに大きい。 この効果は、コメントのボリューム、エンゲージメントの不平等、コメントセクションのパルチザンスキューといったビデオレベルの指標と強く相関している。 さらに,調査ケーススタディにより,個人化がアカウントの政治的傾きに合わせたコメント露出をもたらすという予備的証拠が得られた。 しかし、このパターンは普遍的ではなく、政治的指向的なコメントパーソナライゼーションの程度は文脈に依存していることを示唆している。

関連論文リスト

• Auditing Differential Visibility of Political Content on TikTok [0.0]
  いずれのトピックにおいても、中規模から大規模へのリーチ抑制の証拠は見つからない。 反対のコンテンツは、リーチを減らさずに、ビュー当たりのエンゲージメントを多く得ている。
  論文  参考訳（メタデータ） (2026-07-19T17:48:37Z)
• Using AI Agents to Automate Black-Box Audits of Personalization Algorithms at Scale [76.72846830885882]
  パーソナライズアルゴリズムは、ユーザーがオンラインプラットフォームで遭遇するコンテンツを決定する。 独立した監査役はアルゴリズムへのブラックボックスアクセスしか持たないため、これらのシステムの監査は難しい。 合成アカウントの動作エンジンとして生成AIエージェントを用いたパーソナライズアルゴリズムのブラックボックス監査のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-29T18:25:09Z)
• How Large Language Models play humans in online conversations: a simulated study of the 2016 US politics on Reddit [0.0]
  大規模言語モデル(LLM)は、最近、自然言語生成の強力なツールとして登場した。 我々は,2016年アメリカ合衆国大統領選挙におけるRedditの会話において,実世界におけるユーザ生成コンテンツの複製におけるLLMのパフォーマンスを評価した。 GPT-4は、コミュニティが支持する候補に賛成でも反対でも、現実的なコメントを作成できるが、反感よりもコンセンサスを創り出す傾向にある。
  論文  参考訳（メタデータ） (2025-06-23T08:54:32Z)
• TikTok's recommendations skewed towards Republican content during the 2024 U.S. presidential race [1.340487372205839]
  TikTokは、全世界で10億人以上の月間アクティブユーザーがいて、アメリカでは1億1700万人いるソーシャルメディアプラットフォームの主要な勢力である。 懸念にもかかわらず、政治バイアスに対するTikTokのレコメンデーションアルゴリズムを調査している。 このギャップを埋めるために、2024年のアメリカ合衆国大統領選挙に先立ち、党派的なコンテンツレコメンデーションをテストする323の独立したアルゴリズムによる監査実験を実施します。
  論文  参考訳（メタデータ） (2025-01-29T18:24:20Z)
• Filter bubbles and affective polarization in user-personalized large language model outputs [0.15540058359482856]
  大規模言語モデル(LLM)は、個々のユーザに対して、モデル出力のパーソナライズを増大させる要因となっている。 事実質問の前にユーザの政治的関連性によって,主要な大規模言語モデルであるChatGPT-3.5をいかに促進させるかを検討する。
  論文  参考訳（メタデータ） (2023-10-31T18:19:28Z)
• 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)
• A User-Driven Framework for Regulating and Auditing Social Media [94.70018274127231]
  アルゴリズムフィルタリングは、フレキシブルでユーザ主導のベースラインに対して規制されるべきである。 プラットフォームフィルタのフィードには,それぞれのベースラインフィードと「類似した」情報コンテンツが含まれる必要がある。 プラットフォームがこの要件を尊重するかどうかをチェックする監査手順を提案する。
  論文  参考訳（メタデータ） (2023-04-20T17:53:34Z)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
  私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)
• Whose Opinions Do Language Models Reflect? [88.35520051971538]
  質の高い世論調査と関連する人的反応を利用して,言語モデル(LM)に反映された意見を検討する。 我々は、現在のLMが反映している見解と、アメリカの人口集団の見解の間にかなりの不一致を見出した。 我々の分析は、人間のフィードバック調整されたLMの左利き傾向に関する事前の観察を裏付けるものである。
  論文  参考訳（メタデータ） (2023-03-30T17:17:08Z)
• 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)
• Right and left, partisanship predicts (asymmetric) vulnerability to misinformation [71.46564239895892]
  我々は、Twitter上でのニュース共有行動を研究することにより、パルチザン、エコーチャンバー、およびオンライン誤情報に対する脆弱性の関係を分析する。 誤情報に対する脆弱性は、左派と右派の両方のユーザーの党派の影響を強く受けている。
  論文  参考訳（メタデータ） (2020-10-04T01:36:14Z)
• 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。