7 Minutės
Slinkite penkias minutes ir jūsų politiniai įsitikinimai gali tyliai pasikeisti. Tai nerimą kelianti antraštė iš lauko eksperimento, kuriame 2023 m. buvo stebima beveik 5 000 aktyvių JAV X platformos vartotojų, siekiant suprasti, ką iš tiesų daro „For You“ rekomendacijų algoritmas su politinėmis preferencijomis. Tyrimas pateikia aiškų, bet sudėtingą vaizdą apie tai, kaip algoritmai, remdamiesi įsitraukimo rodikliais ir turinio struktūra, gali modeliuoti politinį informacinį lauką ir paveikti, ką vartotojai seka bei kam labiau linksta dėl idėjų ir nuomonių.
Tyrimą vedė Ekaterina Zhuravskaya ir jos komanda, atsitiktinai padalijusi 4 965 dalyvius į dvi grupes. Viena grupė maždaug septynias savaites naudojo „For You“ srautą, kurį valdo rekomendacijų sistema; kita grupė toliau matė chronologinį laiko juostos rodymą. Visi dalyviai prieš ir po eksperimento užpildė politinius bei elgesio apklausų klausimynus, o tyrėjai panaudojo specialiai sukurtą naršyklės plėtinį, kad fiksuotų tikslų turinį, kurį kiekvienas asmuo iš tikrųjų matė. Toks eksperimentinis dizainas yra santykinai tiesmukas, tačiau pasekmės yra daug platesnės ir sudėtingesnės, nei galėtų pasirodyti iš pirmo žvilgsnio.
Įsitraukimas išaugo tarp tų, kurie buvo priskirti „For You“ sąlygai. Trumpesnės naršymo sesijos pavirto daugiau paspaudimų, daugiau sekimų ir daugiau interakcijų per trumpą laiką. Tačiau šis padidėjęs įsitraukimas nebuvo neutrali dinamikos pasikeitimo forma: kartu su didesniu skaičiumi paspaudimų atsirado ir matomas polinkis — vartotojai, veikiami algoritmo, pradėjo sekti daugiau konservatyvių politinių veikėjų ir rodė poslinkį link konservatyvesnių nuostatų. Kodėl taip įvyko? Analizė rodo, kad algoritmas palankiau rodė politinius įrašus ir tam tikrus politinius veikėjus — ypač konservatyvius — dažniau nei tradiciniai žiniasklaidos šaltiniai, su kuriais tie vartotojai būtų susidūrę, sekdami įprastą chronologinį srautą.
Grįžus prie chronologinio srauto, galėtumėte tikėtis, kad nuostatos lengvai sugrįš į ankstesnę padėtį. Tačiau to neįvyko: grupė, kuri vėl ėmė naudotis chronologine laiko juosta, nerodė reikšmingo politinės pozicijos ar sekimų modelių atvirkštinio pokyčio. Algoritmo poveikis išliko net po to, kai tiesioginis poveikis baigėsi. Galvokite apie tai kaip apie bangą, pastūmėjusią valtį — išjungus variklį, valtis kokį laiką vis dar dreifuos. Ši išliekamoji įtaka yra svarbi, nes ji rodo, kad algoritminė korekcija vartotojų informaciniame laukelyje gali turėti vidutinės trukmės arba ilgalaikių pasekmių politinei elgsenai ar rinkėjų informuotumui.
Tyrimas pateikia išvadą, kad rekomendacijų sistemos socialiniuose tinkluose gali reikšmingai stumtelėti politines preferencijas, o šie efektai gali išlikti ir už tiesioginio poveikio periodo ribų.
Šie rezultatai dera su iki tol kylančiomis baimėmis dėl algoritminio sustiprinimo ir politinės poliarizacijos, tačiau tyrimas pateikia kietesnius įrodymus iš atsitiktinių lauko bandymų — tai gana retas metodas platformų įtakos analizėje. Naršyklės papildinys, įrašęs tikslų rodytą turinį, derinant su prieš- ir poeksperimento apklausomis suteikė tyrėjams granuliuotą vaizdą apie tai, kaip ekspozicija, sekimo elgesys ir savarankiškai pranešti požiūriai sąveikauja. Tokia metodologija leidžia atskirti koreliacijas nuo priežastinių ryšių — tai reiškia, kad galima labiau pasitikėti išvadomis apie tai, jog būtent rekomendacijos, o ne išoriniai faktoriai, lėmė dalį pastebėtų pokyčių.
Leidėjai ir platformos dažnai pateikia savo srautus kaip neutralius informacijos atspindžius. Vis dėlto rekomendacijų sistemos nėra veidrodžiai; jos veikia kaip filtrai ir stiprintuvai, formuojami įsitraukimo signalų, dizaino sprendimų ir komercinių paskatų. Kai įsitraukimo signalai palankiai traktuoja politiškai įkrautą turinį arba tam tikrus politinius veikėjus, rezultatas gali būti tvarus visuomenės nuotaikų poslinkis. Tai ypač aktualu, jei tam tikri tipai turinio — provokuojantis, emociškai įkrautas ar skandalingas — gauna didesnį matomumą dėl algoritminių prioritetų, nes tokios savybės paprastai sukelia daugiau paspaudimų ir dalijimosi, o tai toliau sustiprina algoritmų elgesį per atsiliepimų kilpą.
Todėl ką skaitytojai, politikos formuotojai ir platformų dizaineriai turėtų iš to pasiimti? Pirma, eksperimentavimas svarbus: atsitiktiniai bandymai, tokie kaip šis, yra aiškiausias būdas aptikti priežastinius efektus, o ne vien tik koreliacijas. Antra, skaidrumas ir vartotojų kontrolė sprendžiant rekomendacijų logiką nusipelno daugiau dėmesio: galimybė aiškiai matyti, kodėl tam tikras turinys rekomenduojamas, ir turėti paprastus kontrolinius mechanizmus parinkti alternatyvias srauto parinktis padėtų sumažinti nežinomybę apie algoritmų poveikį. Ir, galiausiai, jei vos kelios savaitės algoritmo kuruoto srauto gali pakeisti, ką jūs sekate ir kuo tikite, tuomet tų kuravimo sistemų dizainas yra tylus pilietinės architektūros elementas — jis formuoja informacinį kontekstą, kuriame formuojasi piliečių nuostatos ir sprendimai.
Techniniu požiūriu verta paminėti keletą detalių, padedančių suprasti, kodėl tokie efektai yra įmanomi ir kaip juos nustatyti metodologiškai. Pirma, rekomendacijų algoritmai paprastai remiasi dviejų rūšių signalais: turinio savybėmis (pvz., įrašų temos, žymas, medijos tipas) ir vartotojų sąveika (pvz., paspaudimai, laikai, komentarai, dalijimasis). Antroje vietoje, kai kurie algoritmai gali turėti papildomus svorinius parametrus, skirtus skatinti laiko praleidimą platformoje arba reklamos pajamų augimą, kas netiesiogiai gali favorizuoti patrauklesnį, bet dažnai ir poliarizuojantį turinį. Trečia, ilgalaikis poveikis gali atsirasti per socialinę grandinę: jei algoritmas paskatina sekti tam tikrus veikėjus, tai keičia informacijos srautus ir toliau veikia už informacijai tiesiogiai pateikiamos ribų.
Vertinant tyrimo ribotumus, svarbu paminėti kelis aspektus, kurie dažnai aptariami akademinėje literatūroje. Tyrimo dalyvių imtis buvo didelė ir reprezentatyvi tarp aktyvių X vartotojų, tačiau rezultatai gali skirtis kitose platformose arba skirtingose demografinėse grupėse. Be to, nors naršyklės plėtinys leido fiksuoti tai, ką vartotojai matė, jis negalėjo pilnai atskirti jų vidinio priėmimo proceso — t. y. kaip ir kodėl vartotojai priėmė naujas nuostatas. Taip pat reikėtų apsvarstyti sezoninius efektus arba politinius įvykius, kurie gali turėti šalinį poveikį tuo pačiu bandymo laikotarpiu, nors atsitiktinis dalyvių paskirstymas padeda sumažinti tokių trukdžių poveikį abiejose grupėse.
Praktiniai rekomendacijų variantai, kylantys iš šio tipo tyrimų, apima kelių lygmenų sprendimus: programinės įrangos lygmenyje — suteikti vartotojams aiškesnes parinktis tarp rekomenduojamo ir chronologinio srauto, kartu leidžiant perjungti automatinius koregavimus; algoritminio modelio lygmenyje — įtraukti reguliavimo ribas, kad labai politiškai įkrautas turinys negautų nepamatuotai aukšto prioriteto vien dėl įsitraukimo rodiklių; ir viešosios politikos lygmenyje — skatinti skaidrumo standartus ir nepriklausomą vertinimą platformų rekomendacijų poveikiui viešajai nuomonei.
Be to, redaktoriai, leidėjai ir žiniasklaidos organizacijos, norėdami išlaikyti žurnalistinės atsakomybės standartus informacinių srautų eroje, gali apsvarstyti hibridinius modelius, kur algoritmai padeda atrinkti turinį, bet redakcinės gairės užtikrina pusiausvyrą ir faktų patikrinimą prieš plačiai rekomenduojant. Tokios priemonės galėtų sumažinti neigiamą poliarizacijos potencialą ir pagerinti informacinio ekosistemos sveikatą.
Galiausiai, piliečiams svarbu suprasti, kad tai nėra vien tik techninis klausimas. Kai algoritmai daro įtaką tam, ką mes matome ir kam mes pasitikime, tai daro įtaką demokratiniams procesams, rinkimų komunikacijai ir visuomenės gebėjimui priimti informuotus sprendimus. Kritinis skaitmeninis raštingumas, įskaitant supratimą apie rekomendacijų mechanikas, išryškėjimą ir gebėjimą aktyviai rinktis srauto parametrus, tampa svarbiu įgūdžiu šiuolaikiniame informaciniame kraštovaizdyje.
Visą tyrimą paskelbė žurnalas Nature, ir jis pateikia paprastą, tačiau nepatogų klausimą: ar mums yra siūlomas turinys, ar mus lėtai rekomenduoja tam tikros politinės pažiūros link? Šis klausimas verčia permąstyti, kaip vertiname platformų neutralumą, kaip reguliuojame rekomendacijas ir kokias etines ribas turėtų turėti technologijų įmonės, kurios tapo pagrindiniais viešosios erdvės formuotojais.
Šaltinis: smarti
Komentarai
Darius
Ar čia tikrai eksperimentas atspindi realybę? Gal sezono įvykiai arba populiarūs veikėjai iškreipė rezultatus... norėčiau matyti pakartojimą
krypta
wow nenustebau, bet vistiek baugu. 7 savaites ir žmogus jau kitaip mąsto? Algoritmai manipuliuoja tyliai, o mes dažnai to net nepripažįstam...
Palikite komentarą