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
• Authors: Yueru Yan, Siqi Wu,
• 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

• 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)
• 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)

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。