В нескольких словах
Американские ученые доказали, что способ подачи политических сообщений в социальных сетях значительно влияет на поляризацию общества, независимо от политических предпочтений пользователя. Исследование предлагает новые пути для снижения агрессии путем изменения алгоритмов.
Исследование, проведенное командой американских ученых, включая Тициано Пиккарди из Стэнфордского университета, показало, что порядок отображения политического контента на таких платформах, как X (ранее Twitter), существенно влияет на враждебность пользователей по отношению к другим идеологическим группам. Это открытие поднимает одну из наиболее острых проблем, связанных с появлением социальных сетей и их вкладом в раскол общества.
Социальные сети стали важнейшим источником политической информации для сотен миллионов людей по всему миру, часто являясь основным каналом для их политизации. Через них пользователи получают, делятся и выражают свои политические мнения. Однако непрозрачность алгоритмов платформ затрудняет оценку реального влияния решений о показе контента на формирование политических идей.
Чтобы обойти эту непрозрачность, исследователи разработали расширение для браузера, которое перехватывает и переупорядочивает в реальном времени ленту новостей определенных социальных сетей. Инструмент использует большую языковую модель (LLM) для присвоения оценки каждому контенту, определяя, насколько он содержит «антидемократические установки и партизанскую враждебность» (AAPA). После оценки комментарии переупорядочивались в том или ином направлении, причем все это происходило без необходимости сотрудничества с платформой и вне ее алгоритма.
Эксперимент был проведен с участием 1256 человек, которых надлежащим образом проинформировали о его проведении. Основное внимание было уделено платформе X как наиболее используемой социальной сети в США для выражения политических мнений, и он проводился в течение недель, предшествовавших президентским выборам 2024 года, чтобы обеспечить активную циркуляцию политических сообщений.
Участники эксперимента в течение недели случайным образом подвергались воздействию двух типов лент: одна с большим количеством поляризованного контента (AAPA), другая — с очень малым. Результаты показали, что переупорядочивание контента «значительно повлияло на аффективную поляризацию» без существенных различий в зависимости от политических предпочтений пользователя. Также манипуляция алгоритмом вызвала изменения в негативных эмоциях участников во время эксперимента.
Исследование также демонстрирует, что можно снизить «температуру» или поляризацию в социальных сетях, просто переупорядочивая публикации, чтобы сделать менее заметными те, которые содержат антидемократический контент. Майкл Бернштейн, профессор информатики Стэнфордского университета и соавтор исследования, считает, что этот инструмент может «открыть новые пути для развития большего социального доверия».
Дженнифер Аллен, профессор Нью-Йоркского университета, не участвовавшая в исследовании, высоко оценила методологию как «творческий подход к исследованию, адаптированный к текущему моменту», учитывая нежелание платформ делиться данными с исследователями.
