De algoritmer, der styrer nyhedsstrømmen på sociale medier som Facebook og X, fremmer ofte politisk polarisering. Men et nyt studie, som forskere fra Københavns Universitet, Technische Universität Dresden og Max Planck Institute for Human Development har offentliggjort i dag, peger på en mere konstruktiv retning for branchen. Studiet konkluderer, at alternative metoder til sortering af indhold i brugernes feed kan skabe en større fælles forståelse og faktuel korrekthed.
I dag prioriterer de største platforme indhold ud fra brugerengagement i form af likes, kommentarer og delinger. Ifølge adjunkt Jason William Burton fra Institut for Psykologi ved Københavns Universitet har den eksisterende model markante ulemper.
Techfirmaerne siger, at deres algoritmer blot er designet til at hjælpe brugerne med at finde det indhold, de gerne vil se. Men vores studie viser, at den måde, algoritmerne fungerer på, potentielt kan bidrage til, at brugerne bliver polariserede eller mere resistente over for fakta.
På den ene side er vores resultater bekymrende, fordi sociale medier er blevet så dominerende. Men på den anden side kan studiet også ses i et positivt lys, fordi vi viser, at det faktisk er muligt at designe algoritmer, der hjælper brugere med at opnå større gensidig forståelse på disse platforme.
Jason William Burton og fortsætter:
Engagement kan vildlede brugerne
Gennem onlineeksperimenter testede forskerholdet flere forskellige algoritmer op mod hinanden. Testen viste, at den personlige, engagementbaserede algoritme – den type, der primært driver motorerne bag Facebook og X – førte til de mest polariserede og mindst korrekte holdninger blandt testpersonerne. Paradoksalt nok var det de samme feeds, som deltagerne vurderede mest positivt og indsigtsfuldt.
Algoritmer, der sorterer indhold efter engagement, kan føles informative og tilfredsstillende, men det betyder ikke nødvendigvis, at de hjælper folk med at forstå fx faktuelle forhold mere præcist.
Jason William Burton.
Forskernes alternativer – henholdsvis ‘brobyggende’ og ‘intelligensbaseret’ rangering – viste imidlertid andre resultater. Den brobyggende algoritme fokuserer på at fremhæve indhold med tværpolitisk opbakning, mens intelligensalgoritmen prioriterer indhold, der styrker præcisionen af en gruppes samlede vurdering.
Den brobyggende algoritme øgede i nogle tilfælde enigheden mellem liberale og konservative deltagere, mens intelligensalgoritmen forbedrede nøjagtigheden af deres faktuelle vurderinger sammenlignet med både tilfældig og engagementbaseret rangering.
Vores resultater tyder dermed på, at det faktisk er muligt at designe et feed, der hverken splitter eller vildleder folk.
Forskerne anerkender dog, at techvirksomhederne næppe vil udfase deres nuværende algoritmer frivilligt, da engagement er kernen i deres forretningsmodel. Derfor peges der også på regulering som en mulig vej frem.
Vores eksperiment viser, at vi bør undersøge flere forskellige typer algoritmer, fordi de kan have positive effekter på den offentlige samtale på sociale medier. Det udfordrer forestillingen om, at engagement-drevne sociale medier er den eneste mulige model.
Jason William Burton.
Specifikationer for onlineeksperimentet
Studiet bygger på et kontrolleret onlineeksperiment med amerikanske borgere, fordelt ligeligt mellem konservative og liberale vælgere.
Fase 1: Præferencer
- Antal deltagere: 500
- Datagrundlag: 72 korte debatindlæg fordelt på seks emner (blandt andet regulering af sociale medier og religion).
- Mekanik: Deltagerne kunne “synes godt om”, “stemme ned” eller springe indlæg over. Data herfra blev brugt til at kortlægge politisk støtte og afvisning af bestemt indhold.
Fase 2: Algoritmisk påvirkning
- Antal deltagere: 1.000 (ny deltagergruppe)
- Datagrundlag: Deltagerne fik vist et skræddersyet feed bestående af 3 opslag og skulle tage stilling til de seks emner før og efter eksponeringen.
- Testede algoritmer:
- Tilfældig rangering: Opslag vises helt vilkårligt.
- Engagementbaseret rangering: Prioriterer opslag med flest generelle reaktioner.
- Personlig engagementbaseret rangering: Prioriterer opslag, der er støttet af politiske meningsfæller.
- Brobyggende rangering: Prioriterer indhold, som modtager støtte fra både liberale og konservative deltagere.
- Intelligensbaseret rangering: Prioriterer indhold, der forventes at højne præcisionen i gruppers faktuelle vurderinger.
