「推荐」只需观察几周就会右倾化？X算法的“难以逆转”影响

「推荐」只需观察几周就会右倾化？X算法的“难以逆转”影响

「推荐」是否会“改变”意见

SNS的时间线不仅仅是一个帖子列表。哪些帖子会被看到，哪些会被埋没，可能会影响我们的兴趣、情感，甚至是政治观点——许多人都有这样的直觉。然而，超越直觉，通过实验验证“在现实的大型平台上，算法对政治态度的改变程度”的研究却意外地少。


此次引起关注的研究是利用X的推送功能进行的实地随机化实验，显示了“为你推荐”和“关注中（按时间顺序）”的区别可能会影响政治优先事项和国际问题的看法。值得注意的是，不仅仅是短期的“曝光”，切换后影响仍可能持续。


研究内容：7周、约5,000人的实验

研究团队对美国约5,000名活跃用户进行了实验，将他们的推送显示分为两种条件。

  • 推荐推送（为你推荐）：包括用户未关注的帖子，按容易引起反应的顺序排列

  • 时间顺序推送：按时间顺序显示关注账户的帖子


实验期间为2023年的7周。在此期间，追踪参与者的政治态度（认为哪些是重要议题、对特定政治事件的评价、对国际冲突的看法等）和平台上的行为（关注对象的变化等）。


结果：推荐推送加强了“右倾的优先顺序”

主要结果显示，从时间顺序切换到推荐的参与者，更倾向于优先考虑共和党重视的议题（犯罪、通货膨胀、移民等）。此外，在对特定政治事件（如美国政治调查等）的评价中，也观察到了向更保守、更共和党倾向的方向变化。


此外，在国际问题上，关于俄乌战争，对乌克兰的好感减弱，相对亲俄的指数上升的变化也被报告。


重要的是，研究并没有简单地认为“用户本身就是这样”，而是通过随机分配的方式展示了仅通过改变推送机制就能改变平均态度。


为什么会发生：右倾帖子增加，新闻减少

研究团队不仅观察态度的变化，还比较了推送中流入的内容。结果显示，在推荐推送中，与时间顺序相比

  • 右派倾向内容的比例增加

  • 传统新闻组织的帖子相对减少

  • 政治活动家或强烈主张的帖子被推上前台
    这种趋势被展示出来。


也就是说，不仅仅是“右派的帖子更容易曝光”，新闻媒体所承担的“共同事实基础”变得薄弱，运动体的帖子被推上前台的结构可能成为意见变化的土壤。


最可怕的一点：“切换后恢复”并非必然

本研究特别引人注目的原因在于，推荐推送不仅改变了日常的曝光，还改变了用户的关注行为，而且这种变化容易保留。


在使用推荐推送期间，参与者更容易被引导去关注更右倾的账户。一旦关注关系发生变化，即使之后切换回时间顺序，关注集合仍然保持变化，因此用户所见的世界（信息环境）也无法完全“恢复”。


研究表明，算法的影响不仅限于“当天的排序”，而是重塑用户的信息环境，这是一个需要关注的视角。


SNS的反应：欢迎、警惕与反对交织

 

围绕这项研究的SNS反应大致分为四个潮流。


1）研究人员与科学传播者：实验展示“理所当然”的价值
在Bluesky等平台上，“直觉上知道，但通过大规模实地实验展示的意义重大”，“反驳了态度不会改变的主张”等声音突出。与其说是惊讶，不如说是增加了可用于政策讨论的证据的评价更为强烈。


2）媒体与评论者：对“新闻下降”结构的问题提起
许多反应关注推荐推送相对降低新闻组织，提升活动家帖子的点。政治偏见之前，信息的质量和可验证性下降会扭曲态度形成，这种问题意识存在。


3）普通用户： “体感如此”，“其他SNS也一样吧”
在Reddit等平台上，“不惊讶”，“Facebook看起来也一样”等基于“经验法则”的反应出现，同时也有“很多人不是为了政治目的使用”，“对不看政治帖子的群体进行外推要谨慎”的声音。也就是说，研究结果的共鸣与与自身使用实际的距离感也被讨论。


4）平台支持与反对：围绕“右倾化”的解读反驳
“变得保守＝不一定是坏事”，“研究是在美国政治背景下，不直接适用于其他国家”，“本来时间顺序也有偏见”等反驳存在。特别是，将推荐推送与“审查”联系的讨论，以及对加强监管的警惕也混杂其中，研究的解读正成为政治争议的样子。


在日本语圈中，借助海外报道的介绍文章，“推荐使讨论尖锐化有体感”，“时间顺序回归并非万能”等论点容易扩散。此外，在日本，不仅是左右轴，还有国际问题、阴谋论、炎上动员的语境中，**“谁受益的设计”**这一视角也倾向于增强。


从中可以得出什么：比起个人设置，更重要的是“设计与透明性”

这项研究提出的问题不仅限于个人使用方式的改进。当然，选择时间顺序、重新审视关注、刻意调整政治话题的接触——这些自我防御是可能的。但本质上，超越了“个人努力可以抵消的范围”，平台设计塑造了社会的信息环境。


特别是，算法

  • 如何学习“良好反应”

  • 提升/降低哪些类别的帖子

  • 关注行为的引导程度
    只要这些设计内容不透明，我们就只能看到结果（分裂、激化、偏见）而手足无措。


研究人员和部分评论文章主张，应制度性地要求算法的透明性和问责制。如果它像公共基础设施一样影响社会决策，那么就需要**“不让它保持黑箱状态”**的想法。


注意点：不是万能的结论

另一方面，阅读研究时也有一些保留。例如，研究对象是美国的活跃用户，政治文化和议题结构不同的国家未必适用。此外，效果是平均值，用户属性和使用目的不同，影响强弱也会不同。


尽管如此，在现实的大型平台上展示了“推送的差异会影响态度和行为”，以及“切换后仍可能保留”的意义重大。讨论应从此处继续，探讨“哪种推荐在何种条件下对何种人有效”。


出处

相关文章