Xのアルゴリズムは数日で政治的意見を変えられる
title: Social Media Algorithms Can Shape Affective Polarization via Exposure to Antidemocratic Attitudes and Partisan Animosity
Submitted on 22 Nov 2024
authors: Tiziano Piccardi, Martin Saveski, Chenyan Jia, Jeffrey T. Hancock, Jeanne L. Tsai, Michael Bernstein
abstract:
There is widespread concern about the negative impacts of social media feed ranking algorithms on political polarization. Leveraging advancements in large language models (LLMs), we develop an approach to re-rank feeds in real-time to test the effects of content that is likely to polarize: expressions of antidemocratic attitudes and partisan animosity (AAPA). In a preregistered 10-day field experiment on X/Twitter with 1,256 consented participants, we increase or decrease participants' exposure to AAPA in their algorithmically curated feeds. We observe more positive outparty feelings when AAPA exposure is decreased and more negative outparty feelings when AAPA exposure is increased. Exposure to AAPA content also results in an immediate increase in negative emotions, such as sadness and anger. The interventions do not significantly impact traditional engagement metrics such as re-post and favorite rates. These findings highlight a potential pathway for developing feed algorithms that mitigate affective polarization by addressing content that undermines the shared values required for a healthy democracy.
ソーシャルメディアのフィードランキングアルゴリズムが政治的偏向に与える悪影響が広く懸念されている。我々は、大規模言語モデル(LLM)の進歩を活用し、反民主的態度や党派的敵意(AAPA)の表現という、分極化しやすいコンテンツの影響を検証するために、リアルタイムでフィードのランキングを変更するアプローチを開発した。1,256人の参加者が事前登録したX/Twitterでの10日間の実地実験において、アルゴリズムによってキュレーションされたフィードにおいて、参加者がAAPAに触れる機会を増減させた。その結果、AAPAへの露出を減らすとポジティブな当事者感情が高まり、増やすとネガティブな当事者感情が高まることが観察された。また、AAPAコンテンツへの暴露は、悲しみや怒りといったネガティブな感情を即座に増加させる。介入は、再投稿率やお気に入り率といった従来のエンゲージメント指標には有意な影響を与えなかった。これらの知見は、健全な民主主義に必要な共有価値を損なうコンテンツに対処することで、感情の分極化を緩和するフィードアルゴリズムを開発するための潜在的な道筋を浮き彫りにしている。