論文の概要: Auditing Differential Visibility of Political Content on TikTok

• arxiv url: http://arxiv.org/abs/2607.17356v1
• Date: Sun, 19 Jul 2026 17:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.436685
• Title: Auditing Differential Visibility of Political Content on TikTok
• Title（参考訳）: TikTok上での政治内容の異なる可視性の検討
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Allegations that TikTok shadow bans political content shape what creators post, what advertisers fund, and how regulators act, yet they are hard to adjudicate because platforms do not disclose how content is ranked. We test the claim with a dense hourly panel of 556,946 follower-normalized views across 2,753 videos from 67 accounts curated into pro and anti sides of three contested topics (U.S. immigration enforcement, Trump coverage, and Israel/Palestine). On-topic videos are identified by a multi-step classifier, and stance is taken from each account's curated side. The conventional analysis appears to answer yes. Pooling the hourly snapshots, the topic-conditional reach gap reaches p < 10^-140. Analyzed at the account level, the independent unit at which we sample and assign stance, the gap disappears. Every account-level reach contrast is null after correction (BH-FDR q near 0.9). We find no evidence of moderate-to-large reach suppression on any topic. The null is informative. Account-level confidence intervals and a power analysis rule out such effects. As a design check, the same framework detects a clear asymmetry on a different outcome. Oppositional content (anti-Trump, pro-Palestine) earns more engagement per view rather than less reach (Cliff's delta = -0.51 and -0.64; q < 0.03). Higher engagement does not by itself rule out suppression, but shows the design can detect effects of this magnitude. The apparent reach gap is an artifact of two factors. The first is pseudoreplication, which counts tens of thousands of autocorrelated video-hours as independent observations; the second is confounding, since the side that looks suppressed is larger and, on Israel/Palestine, posts mostly in Arabic. In this corpus, what is taken for a shadow ban is better explained by a more engaged audience than by a suppressed one. We close with what a credible visibility audit requires.
• Abstract（参考訳）: TikTokのシャドウは、クリエイターが投稿した政治コンテンツ、広告主の資金、規制当局の動きを禁止しているが、プラットフォームがコンテンツのランクを公表していないため、判断は困難だ。 我々はこの主張を、67のアカウントから2,753件の動画(米国移民法、トランプの報道、イスラエル/パレスチナ)のうち、プロとアンチにキュレーションされた556,946件の追随者正規化ビューで検証した。 オントピービデオは多段階分類器によって識別され、各アカウントのキュレートされた側からスタンスを取る。 従来の分析では、イエスと答えているようだ。 時間単位のスナップショットをプールすると、トピック条件のリーチギャップはp < 10^-140に達する。 アカウントレベルで分析され、私たちがスタンスをサンプリングし割り当てる独立したユニットは、ギャップが消えます。 すべてのアカウントレベルリーチコントラストは補正後のヌル(BH-FDR q 0.9 付近)である。 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。 nullは情報的です。 アカウントレベルの信頼区間と電力分析は、そのような効果を除外する。 設計チェックとして、同じフレームワークが異なる結果に対して明確な非対称性を検出する。 対置的コンテンツ(反トランプ、親パレスチナ)は、より少ないリーチ(クリフのデルタ = -0.51 と -0.64; q < 0.03)よりも、ビュー当たりのエンゲージメントを多く得ている。 より高いエンゲージメントは、それ自体が抑制を除外するわけではないが、設計がこの大きさの効果を検出できることを示している。 明らかなリーチギャップは、2つの要因からなるアーティファクトである。 1つは擬似複製で、これは数万のオートコラージュ映像を独立して観察するものであり、もう1つは、抑圧されたように見える側面が大きく、イスラエルとパレスチナでは、主にアラビア語で投稿されているため、矛盾している。 このコーパスでは、抑制されたオーディエンスよりも、シャドウ禁止のために取られるものは、より熱心なオーディエンスによって説明される。 私たちは、信頼できる可視性監査に必要なものに近い。

関連論文リスト

• 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)
• VideoZeroBench: Probing the Limits of Video MLLMs with Spatio-Temporal Evidence Verification [73.02304272829785]
  VideoBenchは、証拠を厳格に検証する長ビデオ応答のための階層的なベンチマークだ。 これは、13のドメインに500の注釈付き質問を手動で記述し、時間間隔と空間境界ボックスを組み合わせて証拠とする。 GeminiPro-3-Proでさえ、標準のエンドツーエンドのQA設定で17%未満の質問に正しく答えている。 その結果,表面レベルでの回答の正しさと真正な証拠に基づく推論との間に大きなギャップが生じた。
  論文  参考訳（メタデータ） (2026-04-02T03:29:43Z)
• Auditing Algorithmic Personalization in TikTok Comment Sections [4.784448295763737]
  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。
  論文  参考訳（メタデータ） (2026-03-26T05:52:41Z)
• 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)
• Optimal bounds for dissatisfaction in perpetual voting [84.02572742131521]
  我々は、投票者が何回も不満を抱いていないことを保証し、永遠の投票方法を考える。 我々は、不満のサブ線形成長が可能な有権者行動に関する十分な条件を特定する。 本稿では,専門家の助言による予測から得られた標準手法に基づいて,紛争条件下での不満をサブ線形に保証する投票手法を提案する。
  論文  参考訳（メタデータ） (2024-12-20T19:58:55Z)
• 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)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)
• 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)
• High-level Approaches to Detect Malicious Political Activity on Twitter [0.0]
  2020年5月、約500万のアカウントと1億2000万以上のツイートで撮影されたデータスナップショットを調査した。 分析期間は2019年8月から2020年5月までで、2019年10月6日のポルトガル総選挙に焦点が当てられている。 私たちは、Twitterのサスペンションパターンが、ポルトガルのTwitter圏で見られる政治的トロルのタイプに適していないことを知りました。
  論文  参考訳（メタデータ） (2021-02-04T22:54:44Z)
• Setting the Record Straighter on Shadow Banning [3.9103337761169943]
  シャドウ禁止は、一部のユーザーの視認性を制限するオンラインソーシャルネットワークである。 Twitterはそのような慣行を使わないと宣言し、一部のユーザーに対する制限を正当化するために「バグ」の発生について議論することもあった。 本論文は,統計的およびグラフトポロジ的アプローチを採用することで,主要なオンラインプラットフォーム上でのシャドウ禁止の可能性について,初めて論じるものである。
  論文  参考訳（メタデータ） (2020-12-09T15:17:33Z)

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。