Politisk skævhed på sociale medier opstår fra brugere, ikke platform

I denne tid med politisk polarisering, mange anklager online sociale medieplatforme som Twitter for liberal bias, bevidst favorisering og forstærkning af liberalt indhold og brugere, mens andet politisk indhold undertrykkes.

Men en ny undersøgelse fra Indiana University viser, at dette ikke er tilfældet. Politiske skævheder, fandt forskerne, stammer fra de sociale interaktioner på vores konti – vi modtager indhold, der er tæt tilpasset det, vores onlinevenner producerer, især vores allerførste online venner. Også, politiske skævheder på Twitter favoriserer konservativt indhold.

"Vores vigtigste konstatering er, at den information, Twitter-brugere ser i deres nyhedsfeed, afhænger af den politiske tilbøjelighed til deres tidligste forbindelser, " sagde undersøgelsens medforfatter Filippo Menczer. "Vi fandt ingen tegn på bevidst indblanding fra platformen. I stedet, bias kan forklares ved brugen, og misbrug, af platformen af ​​dens brugere."

Studiet, "Neutral bots undersøger politisk skævhed på sociale medier, " er offentliggjort online i tidsskriftet Naturkommunikation . Forfatterne er et team af forskere fra Observatory on Social Media (OSoMe, udtales awesome) hos IU Bloomington, ledet af Menczer, der er direktør for OSoMe og en Luddy Distinguished Professor i informatik og datalogi ved Luddy School of Informatics, Computer, og Engineering.

For at afdække skævheder i onlinenyheder og informationer, som folk udsættes for på Twitter, forskerne indsatte 15 bots, kaldet "drifters" for at skelne deres neutrale adfærd fra andre typer sociale bots på Twitter. Drifterne efterlignede menneskelige brugere, men blev kontrolleret af algoritmer, der aktiverede dem tilfældigt til at udføre handlinger.

Efter at have initialiseret hver bot med en første ven fra en populær nyhedskilde på linje med venstre, midt-venstre, centrum, midt-højre, eller højre i det amerikanske politiske spektrum, lod forskerne drifterne løs "i naturen" på Twitter.

Forskerholdet indsamlede dagligt data om drifterne. Efter fem måneder, de undersøgte indholdet forbrugt og genereret af drifterne, analysere den politiske tilpasning af bots' venner og følgere og deres eksponering for information fra nyheder og informationskilder med lav troværdighed.

Undersøgelsen afslørede, at den politiske tilpasning af en første ven på sociale medier har stor indflydelse på strukturen af ​​en brugers sociale netværk og deres eksponering for kilder med lav troværdighed.

"Tidlige valg om, hvilke kilder der skal følges, påvirker de sociale mediebrugeres oplevelser, " sagde Menczer.

Undersøgelsen viste, at driftere havde en tendens til at blive tiltrukket af den politiske højrefløj. Driftere med højreorienterede førstevenner blev gradvist indlejret i homogene netværk, hvor de blev udsat for mere højreorienteret og lavt troværdigt indhold. De begyndte endda selv at sprede højreorienteret indhold. De havde også en tendens til at følge mere automatiserede konti.

Fordi drifterne var designet til at være neutrale, den partiske karakter af det indhold, de forbrugte og producerede, afspejler skævheder i "online informationsøkosystemet", skabt af brugerinteraktioner, ifølge Menczer.

"Online indflydelse påvirkes af det sociale netværks ekkokammerkarakteristika, " siger han. "Kørere, der fulgte mere partipolitiske nyhedskilder, fik flere politisk tilpassede følgere, bliver indlejret i tættere ekkokamre."

For at undgå at sidde fast i online ekkokamre, brugere skal gøre en ekstra indsats for at moderere det indhold, de forbruger, og de sociale bånd, de danner, ifølge Diogo Pacheco, en tidligere postdoc ved Center for Complex Networks and Systems Research ved IU Bloomington og medforfatter til undersøgelsen.

"Vi håber, at denne undersøgelse øger bevidstheden blandt brugere af sociale medier om de implicitte skævheder i deres onlineforbindelser og deres sårbarhed over for at blive udsat for selektiv information, eller værre, såsom indflydelseskampagner, manipulation, misinformation, og polarisering, " sagde Pacheco. "Hvordan man designer mekanismer, der er i stand til at afbøde skævheder i online informationsøkosystemer, er et nøglespørgsmål, der forbliver åbent for debat."