بروزرسانی: 15 آذر 1404
محققان روش جدیدی برای تقویت محتوای خبری قابل اعتماد در رسانه های اجتماعی بدون محافظت از جانبداری پیدا کردند - ScienceDaily
فیلیپو منچزر، استاد برجسته انفورماتیک و علوم کامپیوتر لادی در دانشگاه ایندیانا، می گوید: «این خبر به ویژه برای پلت فرم های رسانه های اجتماعی خوشایند است، به ویژه از آنجایی که آنها به دلیل ترس از انتقاد در مورد تعصبات حزبی، تمایلی به ایجاد تغییرات در الگوریتم های خود ندارند. .
مواد تهیه شده توسط دانشگاه فلوریدا جنوبی (نوآوری USF). توجه: محتوا ممکن است برای سبک و طول ویرایش شود.
منبع
سایت های رسانه های اجتماعی به تقویت اطلاعات نادرست و تئوری های توطئه ادامه می دهند. برای رفع این نگرانی، یک تیم بین رشته ای از دانشمندان کامپیوتر، فیزیکدانان و دانشمندان علوم اجتماعی به رهبری دانشگاه فلوریدا جنوبی (USF) راه حلی برای اطمینان از اینکه کاربران رسانه های اجتماعی در معرض منابع خبری موثق تری قرار دارند، پیدا کرده اند.
منبع داستان:
در مطالعه آنها که در مجله منتشر شده است طبیعت رفتار انسانمحققان بر روی الگوریتم پیشنهادی تمرکز کردند که توسط پلتفرم های رسانه های اجتماعی برای اولویت بندی محتوای نمایش داده شده به کاربران استفاده می شود. به جای اندازه گیری تعامل بر اساس تعداد کاربران و بازدید از صفحه، محققان به محتوایی که در فید خبری تقویت می شود، با تمرکز بر امتیاز اعتبار یک منبع خبری و تنوع سیاسی مخاطبانشان نگاه کردند.
محققان می گویند که پلتفرم ها به راحتی می توانند تنوع مخاطبان را در الگوریتم های توصیه خود بگنجانند، زیرا معیارهای تنوع را می توان از داده های تعامل مشتق کرد، و پلتفرم ها قبلاً این نوع داده ها را هر زمان که کاربران روی «پسندیدن» کلیک می کنند یا چیزی را در فید خبری به اشتراک می گذارند، ثبت می کنند. Ciampaglia و همکارانش پیشنهاد می کنند که پلتفرم های رسانه های اجتماعی این استراتژی جدید را برای کمک به جلوگیری از انتشار اطلاعات نادرست اتخاذ کنند.
Giovanni Luca Ciampaglia، استادیار علوم کامپیوتر و مهندسی در USF گفت: «محتوای با کیفیت پایین جذاب است زیرا با آنچه قبلاً می دانیم و دوست داریم، صرف نظر از اینکه دقیق باشد یا خیر، مطابقت دارد.» "در نتیجه، اطلاعات نادرست و تئوری های توطئه اغلب در بین مخاطبان همفکر پخش می شوند. الگوریتم در نهایت سیگنال اشتباهی را انتخاب می کند و به تبلیغ بیشتر آن ادامه می دهد. برای شکستن این چرخه، باید به دنبال محتوایی بود که جذاب، اما متنوع باشد. مخاطب، نه برای یک همفکر."
آنها دریافتند که ترکیب تنوع جانبی مخاطبان خبری می تواند قابلیت اطمینان منابع توصیه شده را افزایش دهد و در عین حال توصیه های مرتبط را به کاربران ارائه دهد. از آنجایی که الگوریتم منحصراً مبتنی بر تعامل یا محبوبیت نیست، همچنان می تواند منابع قابل اعتماد را بدون در نظر گرفتن جناحی بودن آنها تبلیغ کند.
این تیم با همکاری محققان دانشگاه ایندیانا و کالج دارتموث، الگوریتم جدیدی را با استفاده از داده های مربوط به ترافیک وب و مشارکت 6890 نفری که منعکس کننده تنوع ایالات متحده در جنسیت، نژاد و وابستگی های سیاسی هستند، ایجاد کردند. این داده ها توسط شرکت نظرسنجی آنلاین YouGov ارائه شده است. آنها همچنین نمرات قابلیت اطمینان 3765 منبع خبری را بر اساس شاخص قابلیت اطمینان نیوگارد، که منابع خبری را بر اساس چندین معیار روزنامه نگاری، مانند مسئولیت سردبیری، پاسخگویی و شفافیت مالی رتبه بندی می کند، بررسی کردند.
نویسنده: تیم تحریریه Matthew Newman