Американский научный журнал PNAS опубликовал исследование в котором заявил, что алгоритмы Twitter продвигают правых политиков. Исследование проводилось на твитах 3,5 тыс. политиков из семи стран.
Twitter столкнулась с тем, что алгоритмы машинного обучения, используемые в рекомендательной системе, оказываются предвзятыми и выдают результат, основанный на данных одной определенной группы пользователей и игнорируют другие данные. Для понимания эффекта работы рекомендаций Twitter заказала исследование у ученых из ведущих университетов США и Великобритании.
В научной работе рассматривается выборка из более чем 46 млн уникальных пользователей, что составляет 4% от всех юзеров платформы, оказавшихся под влиянием алгоритмов. Помимо основных участников, исследование включало в себя и контрольную группу из 11,5 млн пользователей, которые не видели в своей ленте рекомендуемые записи. Материалами для исследования послужили твиты более 3 тыс. политиков из США, Японии, Франции, Германии, Канады Испании и Великобритании. Целью научной работы было выяснить эффект «алгоритмического усиления» на постах политиков.
Анализ был построен на эффекте удержания внимания — если не менее 50% площади твита задержалось на экране пользователя как минимум на 0,5 секунд, то считается, что юзер ознакомился с постом.
Исследование дало следующие результаты:
алгоритмы на самом деле продвигают политические записи, эффект не зависит от того, какая партия опубликовала пост и находится ли она на данный момент у власти;
рекомендательная система не учитывает политические взгляды пользователей, поэтому групповой эффект не перерастает в индивидуальный;
посты от правых политиков и партий получают большее «алгоритмическое усиление», чем записи от левых, тенденция прослеживается во всех исследуемых странах, кроме Германии;
самой контрастной страной оказалась Канада, в ней твиты либералов были усилены на 43%, а посты от консерваторов на 167%;
ультралевые и ультраправые партии и политики не получают значительного усиления, даже в том случае, если правящий аппарат страны включает в себя большое количество представителей этих движений;
не было обнаружено того факта, что рекомендательная система во всех странах одинаково продвигает только правящие партии и игнорирует оппозицию или поступает иначе. К примеру, в Великобритании наибольшее усиление получила правящая партия консерваторов, а в Канаде оппозиционная.
Исследователи решили выйти за рамки постов в Twitter, и проанализировали как алгоритмы продвигают новостные политические заметки. Для анализа использовались статьи из американских изданий. Результат оказался схожим — контент из правых СМИ получает большее усиление, а крайне левые и крайне правые источники практически не продвигаются.
