Treści polityczne na Twitterze wzmacniane przez algorytmy? Częściej prawicowe konta

Wnioski z badania przeprowadzonego przez Rumman Chowdhury i Luca Belli, opublikowane na oficjalnym blogu Twittera wskazują, jak algorytmy rekomendacji wzmacniają treści polityczne na platformie.

Pierwsza część badania analizuje wpisy wybranych urzędników z siedmiu krajów (Kanady, Francji, Niemczech, Japonii, Hiszpanii, Wielkiej Brytanii i Stanów Zjednoczonych). Obejmują one tylko niewielką część treści politycznych na platformie, dlatego zbadano również czy algorytmy rekomendacji wzmacniają treści polityczne z serwisów informacyjnych.

Od 2016 roku użytkownicy Twittera mogą wybierać między wyświetlaniem uporządkowanych przez algorytm tweetów na osi czasu strony głównej lub przeglądaniem najnowszych wpisów w odwrotnej kolejności chronologicznej. Oś czasu strony głównej pokazuje strumień tweetów z kont, które wybrano do obserwowania, a także rekomendacje innych treści, które mają zainteresować użytkownika, by przeglądał kolejne wpisy na podstawie kont z którymi często się kontaktuje oraz by czytał treści, dzięki którym się angażuje. W rezultacie to, co dana osoba widzi na swojej osi czasu jest sumą tego, w jaki sposób wchodzi w interakcję z innymi oraz tego, jak algorytm został zaprojektowany.

Przeczytaj również: Wraca projekt ustawy o ochronie wolności słowa w internetowych mediach społecznościowych

Celem badania było lepsze zrozumienie wzmocnienia treści politycznych, wybieranych przez algorytmy i wyświetlanych na osi czasu, w porównaniu z odwróconą chronologicznie osią czasu. Ideą twórców badania było odkrycie tego, jaką rolę algorytmy odgrywają w kształtowaniu konsumpcji treści politycznych w internecie.

Kluczowe pytania

Testowano wzmocnienie treści politycznych przez algorytmy na osi czasu, zadając określone pytania:

• Jak algorytmy wzmacniają treść polityczną wybranych urzędników na osi czasu na Twitterze, w porównaniu z odwróconą chronologiczną osią czasu? Czy to wzmocnienie różni się w zależności od partii politycznych lub w ramach partii politycznej?
• Czy niektóre ugrupowania polityczne są wzmocnione przez algorytmy bardziej niż inne? Czy te trendy są spójne we wszystkich krajach?
• Czy niektóre serwisy informacyjne są bardziej faworyzowane przez algorytmy niż inne? Czy algorytmy faworyzują jedną stronę spektrum politycznego bardziej niż drugą?

Jak przeprowadzono badanie?

Przeanalizowano miliony tweetów od 1 kwietnia do 15 sierpnia 2020 roku z kont obsługiwanych przez wybranych urzędników w siedmiu krajach. Wykorzystano te dane, aby sprawdzić, czy wpisy są bardziej wzmacniane przez algorytmy na osi czasu, niż w odwrotnej kolejności chronologicznej i czy istnieje różnica w badanej grupie. Wykorzystano publiczne źródła zewnętrzne (takie jak oficjalne strony internetowe instytucji), aby zidentyfikować przynależność do partii politycznych. 

Aby zbadać wzmocnienie serwisów informacyjnych przez algorytmy, przeanalizowano setki milionów tweetów zawierających linki do artykułów udostępnionych przez użytkowników w tym samym okresie. Serwisy zostały podzielone na kategorie w oparciu o ocenę stronniczości mediów przez dwie niezależne organizacje, AllSides i Ad Fontes Media. Wykluczono tweety wskazujące na treści niepolityczne, takie jak przepisy kulinarne lub sport.

Co znaleziono?

Tweety o treściach politycznych z kont wybranych urzędników, niezależnie od partii i tego, czy partia jest u władzy były wzmacniane przez algorytmy - w porównaniu z treściami politycznymi na odwróconej chronologicznej osi czasu.

Innymi słowy, przynależność do partii lub ideologii nie była czynnikiem uwzględnianym przez system, podczas rekomendowania treści, a dwie osoby z tej samej partii politycznej niekoniecznie zobaczą te same treści. 

W sześciu z siedmiu krajów – we wszystkich z wyjątkiem Niemiec – tweety opublikowane przez konta prawicowe są bardziej wzmacniane przez algorytmy niż o zabarwieniu lewicowym.

Prawicowe serwisy informacyjne mogą zaobserwować większe faworyzowanie przez algorytmy na Twitterze, w porównaniu z serwisami informacyjnymi o charakterze lewicowym. 

Co dalej?

W badaniu zidentyfikowano, co się dzieje gdy niektóre treści polityczne są wzmacniane przez algorytmy na platformie. Ustalenie, dlaczego te zaobserwowane wzorce występują, jest znacznie trudniejszym pytaniem, ponieważ to wynik interakcji między ludźmi a platformą. Misją zespołu Machine Learning Ethics Transparency and Accountability (META) - jako badaczy i praktyków zajmujących się mediami społecznościowymi - jest łagodzenie wszelkich nierówności, które mogą wystąpić.

Zespół META ma obecnie finalizować współpracę z Twitterem, by wykorzystać technologię ochrony prywatności w celu umożliwienia zewnętrznym badaczom powielania tego typu prac, jednocześnie zabezpieczając i chroniąc prywatność osób korzystających z serwisu. To nowe podejście i nie było stosowane na taką skalę.

/Aleksander Mazur

Chcemy być także bliżej Państwa – czytelników. Dlatego, jeśli są sprawy, które Was nurtują; pytania, na które nie znacie odpowiedzi; tematy, o których trzeba napisać – zapraszamy do kontaktu. Piszcie do nas na: [email protected]. Przyszłość przynosi zmiany. Wprowadzamy je pod hasłem #CyberIsFuture.