論文の概要: How Does Empowering Users with Greater System Control Affect News Filter Bubbles?

• arxiv url: http://arxiv.org/abs/2607.15284v1
• Date: Thu, 04 Jun 2026 20:25:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.018883
• Title: How Does Empowering Users with Greater System Control Affect News Filter Bubbles?
• Title（参考訳）: より優れたシステム制御がニュースフィルタのバブルに与える影響について
• Abstract要約: 本研究では,ユーザ行動から推測される政治的・話題的な関心を露呈するインタフェースを付加した政治ニュースレコメンデーションシステムを設計する。 従来のインタフェースと比較するユーザスタディを行い、透過的なアプローチによって、ユーザがフィルタバブルの中にいることに気付きました。
• 参考スコア（独自算出の注目度）: 8.13225949083307
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While recommendation systems enable users to find articles of interest, they can also create ``filter bubbles'' by presenting content that reinforces users' pre-existing beliefs. Users are often unaware that the system placed them in a filter bubble and, even when aware, they often lack direct control over it. To address these issues, we first design a political news recommendation system augmented with an enhanced interface that exposes the political and topical interests the system inferred from user behavior. This allows the user to adjust the recommendation system to receive more articles on a particular topic or presenting a particular political stance. We then conduct a user study to compare our system to a traditional interface and found that the transparent approach helped users realize that they were in a filter bubble. Additionally, the enhanced system led to less extreme news for most users but also allowed others to move the system to more extremes. Similarly, while many users moved the system from extreme liberal/conservative to the center, this came at the expense of reducing political diversity of the articles shown. These findings suggest that, while the proposed system increased awareness of the filter bubbles, it had heterogeneous effects on news consumption depending on user preferences.
• Abstract（参考訳）: レコメンデーションシステムは、ユーザーが興味のある記事を見つけられる一方で、既存の信念を補強するコンテンツを提示することで「フィルターバブル」を作成できる。 ユーザは、システムがフィルタバブルにそれらを配置していることに気付いておらず、たとえ気付いても、直接コントロールできないことが多い。 これらの課題に対処するために,我々はまず,ユーザ行動から推測される政治的・話題的な関心を露呈する,拡張されたインターフェースを備えた政治ニュースレコメンデーションシステムを設計する。 これにより、ユーザーはレコメンデーションシステムを調整して、特定のトピックについてより多くの記事を受け取るか、特定の政治的スタンスを示すことができる。 次に、従来のインターフェースと比較するユーザスタディを実施し、透過的なアプローチによって、ユーザがフィルタバブルの中にいることに気付きました。 さらに、拡張されたシステムは、ほとんどのユーザーにとって極端なニュースを少なくするだけでなく、他の人がシステムを極端に動かすことも可能にした。 同様に、多くのユーザーが制度を極端に自由主義的・保守的から中心に移したが、これは記事の政治的多様性を減らすことに費やされた。 これらの結果から,提案システムはフィルタバブルの認識を増大させるが,ユーザの好みによってはニュース消費に異質な影響を及ぼすことが示唆された。

関連論文リスト

• Transparent and Controllable Recommendation Filtering via Multimodal Multi-Agent Collaboration [48.028080782524064]
  我々は、エンドツーエンドのコラボレーション、マルチモーダル認識、マルチエージェントオーケストレーションを統合する新しいフレームワークを紹介します。 本システムでは,帰納的幻覚を除去するために,ファクトグラウンドの偏見パイプラインを用いている。 ダイナミックな2階層の嗜好グラフを構築し、明示的なループ内の人為的な修正を可能にする。
  論文  参考訳（メタデータ） (2026-04-19T14:19:28Z)
• 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)
• Looking for Fairness in Recommender Systems [0.6216023343793144]
  私たちは現在、ソーシャルメディア上でユーザーにコンテンツ提案を行うレコメンデーションシステムを構築しているところです。 これら3つに共通する公平性に関する懸念は、フィルターバブルの出現である。 ユーザの視点から見れば、これは操作に似ています。 社会の観点では、潜在的な影響は遥かに大きい。
  論文  参考訳（メタデータ） (2025-07-16T13:53:02Z)
• Why Multi-Interest Fairness Matters: Hypergraph Contrastive Multi-Interest Learning for Fair Conversational Recommender System [55.39026603611269]
  公正な会話レコメンダシステム(HyFairCRS)のためのハイパーグラフコントラスト学習フレームワークを提案する。 HyFairCRSは対話型対話型レコメンダシステム(CRS)における多目的多様性フェアネスの促進を目指す 2つのCRSベースのデータセットの実験により、HyFairCRSは、不公平を効果的に軽減しつつ、新しい最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2025-07-01T11:39:42Z)
• System-2 Recommenders: Disentangling Utility and Engagement in Recommendation Systems via Temporal Point-Processes [80.97898201876592]
  本稿では,過去のコンテンツインタラクションが,自己興奮型ホークスプロセスに基づくユーザの到着率に影響を及ぼす生成モデルを提案する。 そこで本研究では,システム1とシステム2のアンタングルを解消し,ユーザ利用によるコンテンツ最適化を可能にすることを解析的に示す。
  論文  参考訳（メタデータ） (2024-05-29T18:19:37Z)
• Uncovering the Deep Filter Bubble: Narrow Exposure in Short-Video Recommendation [30.395376392259497]
  フィルタバブルは、オンラインコンテンツプラットフォームのコンテキスト内で広く研究されている。 ショートビデオプラットフォームの増加に伴い、フィルターバブルはさらに注目されている。
  論文  参考訳（メタデータ） (2024-03-07T14:14:40Z)
• Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
  本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。 そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。 以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
  論文  参考訳（メタデータ） (2023-05-18T15:37:38Z)
• Mitigating Filter Bubbles within Deep Recommender Systems [2.3590112541068575]
  推薦システムは、様々な視点からユーザーを知的に隔離したり、フィルターバブルを引き起こすことが知られている。 このフィルタバブル効果を,ユーザとテムのインタラクション履歴に基づいて,様々なデータポイントを分類し,緩和する。 我々は、このフィルタバブル効果を、リコメンデータシステムを再訓練することで、精度を損なうことなく軽減する。
  論文  参考訳（メタデータ） (2022-09-16T22:00:10Z)
• Modeling Attrition in Recommender Systems with Departing Bandits [84.85560764274399]
  政策に依存した地平線を捉えた新しいマルチアームバンディット構成を提案する。 まず、全てのユーザが同じタイプを共有しているケースに対処し、最近の UCB ベースのアルゴリズムが最適であることを実証する。 次に、ユーザが2つのタイプに分けられる、より困難なケースを前進させます。
  論文  参考訳（メタデータ） (2022-03-25T02:30:54Z)
• 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)
• Echo Chambers in Collaborative Filtering Based Recommendation Systems [1.5140493624413542]
  我々は、MovieLensデータセットのユーザに対して協調フィルタリングアルゴリズムによって与えられるレコメンデーションをシミュレートする。 システム生成レコメンデーションの長期曝露は、コンテンツの多様性を著しく低下させる。 我々の研究は、これらのエコーチャンバが確立すれば、個々のユーザが自分の評価ベクトルのみを操作することで、突破するのは難しいことを示唆している。
  論文  参考訳（メタデータ） (2020-11-08T02:35:47Z)

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。