الگوریتم‌ها شکاف را گسترده‌تر می‌کنند

گروه جامعه و اقتصاد«سدید»؛ در یادداشتی که در وب‌سایت «EL PAÍS» در ۲۷ نوامبر ۲۰۲۵ منتشر شد، نقش الگوریتم‌های شبکه‌های اجتماعی در شکل‌دهی به قطب‌بندی سیاسی بررسی شده است. این موضوع، یکی از مسائل بحث‌برانگیز در دهه‌های اخیر بوده است؛ چرا که شبکه‌های اجتماعی، توانسته‌اند شکاف‌های اجتماعی و سیاسی را تشدید کنند. پژوهشگران نشان داده‌اند که ترتیب نمایش پیام‌های سیاسی در خوراک خبری کاربران می‌تواند تأثیر قابل‌توجهی بر احساسات منفی نسبت به گروه‌های سیاسی مخالف داشته باشد و این اثر، فارغ از گرایش‌های سیاسی کاربران مشاهده شده است.

شبکه‌های اجتماعی، قطب‌بندی سیاسی را شکل می‌دهند

یک مطالعه نشان می‌دهد ترتیبی که پلتفرم‌هایی مانند ایکس (توییتر سابق) محتوا را برای کاربران خود نمایش می‌دهند، بر میزان خصومت آن‌ها نسبت به گروه‌های ایدئولوژیک دیگر تأثیر می‌گذارد. یک تیم از پژوهشگران آمریکایی نشان داده‌اند که ترتیب نمایش پیام‌های سیاسی در شبکه‌های اجتماعی، واقعاً بر قطبی‌سازی تأثیر می‌گذارد. موضوعی که از زمان ظهور شبکه‌های اجتماعی و شکاف‌های اجتماعی، بسیار بحث‌برانگیز بوده است. پژوهشگران در مقاله‌ای که در مجله Science  منتشر شد، خاطرنشان می‌کنند که این پدیده، بدون توجه به گرایش سیاسی کاربر به طور یکسان قوی است.

شبکه‌های اجتماعی منبع مهمی برای اطلاعات سیاسی هستند. برای صدها میلیون نفر در سراسر جهان، این پلتفرم‌ها حتی اصلی‌ترین کانال مشارکت سیاسی به شمار می‌روند: آن‌ها محتوای سیاسی دریافت می‌کنند، آن را به اشتراک می‌گذارند و از طریق این پلتفرم‌ها، نظرات خود را بیان می‌کنند. باتوجه‌به اهمیت شبکه‌های اجتماعی در این حوزه، فهمیدن اینکه الگوریتم‌هایی که این پلتفرم‌ها را اداره می‌کنند، چگونه عمل می‌کنند، اساسی است؛ اما ابهام، هنجار رایج در این صنعت است. این امر، تخمین میزان تأثیر انتخاب محتوای برجسته بر دیدگاه‌های سیاسی کاربران را بسیار دشوار می‌کند.

پژوهشگران چگونه بر این ابهام الگوریتمی غلبه کردند تا بتوانند ترتیب پست‌هایی را که کاربران شبکه‌های اجتماعی می‌بینند، تغییر دهند؟ «تیزیانو پیکاردی» [1] از دانشگاه استنفورد[2] و همکارانش، یک افزونه مرورگر را توسعه دادند که فید (خط زمانی پست‌ها) برخی شبکه‌های اجتماعی را در لحظه رهگیری و بازآرایی می‌کند. این ابزار از یک مدل زبانی بزرگ استفاده می‌کند تا به هر قطعه محتوا، امتیازی نسبت دهد که میزان وجود «نگرش‌های ضددموکراتیک و خصومت حزبی» را در آن اندازه‌گیری می‌کند. پس از امتیازدهی، پست‌ها به یکی از دو شیوه بازچینش می‌شدند: بدون هیچ همکاری از سوی پلتفرم یا اتکا به الگوریتم آن.

این آزمایش شامل ۱۲۵۶ شرکت‌کننده بود که همگی به طور کامل مطلع شده بودند. مطالعه روی شبکه «ایکس» متمرکز بود، زیرا این شبکه اجتماعی در آمریکا بیش از همه برای بیان دیدگاه‌های سیاسی استفاده می‌شود و آزمایش در هفته‌های منتهی به انتخابات ریاست‌جمهوری ۲۰۲۴ انجام شد تا تضمین شود که حجم زیادی از پیام‌های سیاسی در گردش باشد.

شرکت‌کنندگان به طور تصادفی و برای مدت یک هفته در معرض دو نوع فید قرار گرفتند: یکی با محتوای بسیار قطبی شده و دیگری با محتوای بسیار اندک. پیکاردی و همکارانش در این تحقیق توضیح می‌دهند: «ما اثرات این مداخلات را بر قطبی‌سازی عاطفی (احساسات شرکت‌کنندگان نسبت به گروه سیاسی مقابل) و تجربه احساسی (خشم، غم، هیجان یا آرامش)، هم از طریق نظرسنجی‌های درون‌فید و هم نظرسنجی‌های پس از آزمایش اندازه‌گیری کردیم.» نتایج با گروه کنترل‌شده - که فید آن‌ها تغییر نکرده بود - مقایسه شد. پژوهشگران دریافتند که تغییر ترتیب محتوا «به طور قابل‌توجهی باعث افزایش قطب‌بندی عاطفی شد» و تفاوت معناداری بر اساس گرایش‌های سیاسی مشاهده نشد. نویسندگان می‌افزایند: «تغییرات در الگوریتم فید، موجب تغییرات در احساسات شرکت‌کنندگان در همان لحظه مشاهده شد، اما پس از پایان آزمایش، این تأثیر ادامه نیافت.»

این آزمایش همچنین نشان می‌دهد که می‌توان سطح قطبی‌سازی در شبکه‌های اجتماعی را تنها با بازآرایی پست‌ها و کم‌کردن میزان نمایش محتوای ضددموکراتیک کاهش داد. «مایکل برنستاین» [3] - استاد علوم رایانه در دانشگاه استنفورد و یکی از نویسندگان این تحقیق - معتقد است که این ابزار می‌تواند «راه‌هایی برای ایجاد مداخلاتی بگشاید که نه‌تنها خصومت حزبی را کاهش می‌دهند، بلکه اعتماد اجتماعی بیشتر را نیز تقویت می‌کنند.»

پلتفرم‌ها به‌جای شما تصمیم می‌گیرند

در سال‌های اخیر، پلتفرم‌های شبکه‌های اجتماعی دستخوش تغییرات قابل‌توجهی شده‌اند که بر انتشار محتوای سیاسی تأثیر می‌گذارند. تیم‌های تعدیل محتوا که مسئول پالایش پیام‌های سمی، غیرقانونی یا نفرت‌پراکن هستند، کاهش یافته‌اند (مانند آنچه در شرکت متا رخ داد) یا کاملاً حذف شده‌اند (همان‌طور که ایکس اتفاق افتاد). این وظیفه به یادداشت‌های جامعه کاربری سپرده شده است. شکافی که امکان انتشار محتوای مشکل‌زا را فراهم می‌کند بسیار بزرگ است. چندین مطالعه نشان می‌دهد که هرچه فیلترها کمتر باشند، میزان نفرت و آزار موجود در پلتفرم‌ها بیشتر می‌شود.

پویایی خود شبکه‌های اجتماعی نیز به طور چشمگیری تغییر کرده است. پیش‌تر، ما پست‌هایی را می‌دیدیم که بیشترین نظر یا لایک را از سوی مخاطبانمان دریافت کرده بودند؛ اما اکنون الگوریتم، اولویت مطلق دارد. او تعیین می‌کند که هر کاربر چه چیزی ببیند و در نتیجه، چه چیزی می‌تواند یا نمی‌تواند وایرال شود.

علاوه بر این، پویایی خود شبکه‌های اجتماعی نیز به طور چشمگیری تغییر کرده است. پیش‌تر، ما پست‌هایی را می‌دیدیم که بیشترین نظر یا لایک را از سوی مخاطبانمان دریافت کرده بودند؛ اما اکنون الگوریتم، اولویت مطلق دارد. او تعیین می‌کند که هر کاربر چه چیزی ببیند و در نتیجه، چه چیزی می‌تواند یا نمی‌تواند وایرال شود. این موضوع، اهمیت سنجش تأثیر الگوریتم در شکل‌دادن یا تقویت ایده‌های سیاسی را دوچندان می‌کند.

«جنیفر آلن» [4] - استاد بخش فناوری، عملیات و آمار در دانشگاه نیویورک که در این پژوهش دخیل نبوده است - می‌گوید: «پژوهشگران با محدودیت‌های بی‌سابقه‌ای روبه‌رو هستند، چرا که پلتفرم‌های اجتماعی تصمیم گرفته‌اند داده‌ها را به اشتراک نگذارند. ازاین‌رو، اهمیت کار پیکاردی و همکارانش در ارائه روش‌شناسی پژوهشی که نیازمند همکاری مستقیم پلتفرم‌ها نیست، دوچندان است.»

آلن همچنین معتقد است مدلی که پیکاردی و تیمش توسعه داده‌اند، می‌تواند برای دیگر شبکه‌های اجتماعی نیز تکرار شود و این آزمایش‌ها می‌توانند در زمان‌های مختلف انجام شوند تا اعتبارشان سنجیده شود. از نظر او، رویکرد تیم پیکاردی «نوعی پژوهش خلاقانه با روش‌شناسی سازگار با شرایط کنونی» است.

منبع:

https://english.elpais.com/technology/2025-11-27/algorithms-do-widen-the-divide-social-media-feeds-shape-political-polarization.html

/انتهای پیام/