審計政治傾向偏差：2024 年美國總統大選前夕 X 平台演算法擴大效應

核心概念

X 平台（前身為推特）的演算法推薦系統存在政治傾向偏差，會根據用戶的政治立場放大特定政治觀點，並減少接觸相反觀點的機會，此現象可能影響 2024 年美國總統大選的公平性。

摘要

研究論文摘要

• 文獻資訊: Ye, J., Luceri, L., & Ferrara, E. (2024). Auditing Political Exposure Bias: Algorithmic Amplification on Twitter/X Approaching the 2024 U.S. Presidential Election. HUMANS Lab – Working Paper No. 2024.9.
• 研究目標: 本研究旨在探討 X 平台演算法推薦系統在 2024 年美國總統大選前夕是否存在政治傾向偏差，以及此偏差如何影響用戶接觸政治資訊的管道。
• 研究方法: 研究人員建立了 120 個虛擬帳戶，分為左傾、右傾、平衡和中立四組，並利用網路爬蟲技術收集這些帳戶在「為你推薦」時間軸上收到的推文。接著，他們分析了不同政治傾向帳戶所接觸到的政治內容，並比較了這些內容的差異。
• 主要發現: 研究發現，X 平台的演算法會根據用戶的政治立場放大特定政治觀點，並減少接觸相反觀點的機會。具體來說，左傾用戶更容易接觸到左傾觀點，而右傾用戶更容易接觸到右傾觀點。此外，研究還發現，對於沒有關注任何帳戶的中立用戶，演算法預設推薦的內容帶有右傾偏差。
• 主要結論: 研究結果顯示，X 平台的演算法推薦系統存在政治傾向偏差，此偏差可能加劇政治極化，並影響 2024 年美國總統大選的公平性。
• 研究意義: 本研究揭露了社群媒體演算法偏差的潛在影響，並呼籲平台方提高演算法的透明度和問責制，以確保線上政治討論的公平性和完整性。
• 研究限制與未來方向: 本研究的樣本量有限，且僅關注 X 平台。未來研究可以擴大樣本量，並納入其他社群媒體平台，以更全面地了解演算法偏差的影響。

統計資料

X 平台的「為你推薦」時間軸中，約有 50% 的推文來自用戶未關注的帳戶。
右傾用戶的曝光不平等程度最高，其次是平衡和左傾用戶。
中立用戶（未關注任何帳戶）收到的推薦內容最多樣化。
左傾帳戶的前三大曝光用戶分別是美國總統官方帳戶（現任總統為民主黨籍的喬·拜登）、羅恩·菲利波斯基（一位以批評保守派人物聞名的前聯邦檢察官）和「穆勒，她寫道」（一個持自由主義立場的政治評論和調查報導帳戶）。
右傾帳戶的前三大曝光用戶分別是「atensnut」（一位保守派評論員）、「catturd2」（一位以政治諷刺聞名的右翼網紅）和岡瑟·伊格曼（一位保守派內容創作者）。

引述

「X 平台的演算法將曝光度集中在少數高人氣帳戶，右傾用戶經歷的曝光不平等程度最高。」
「左傾和右傾用戶都經歷了與自身政治立場一致的帳戶曝光度放大，以及相反觀點的曝光度減少。」
「此外，沒有關注任何人的中立帳戶（類似於平台上的新註冊用戶帳戶）在內容曝光方面顯示出預設的右傾偏差。」

從以下內容提煉的關鍵洞見

Auditing Political Exposure Bias: Algorithmic Amplification on Twitter/X Approaching the 2024 U.S. Presidential Election

by Jinyi Ye, Lu... 於 arxiv.org 11-05-2024

https://arxiv.org/pdf/2411.01852.pdf

深入探究

社群媒體平台應採取哪些措施來減輕演算法推薦系統中的政治傾向偏差？

為了減輕演算法推薦系統中的政治傾向偏差，社群媒體平台可以採取以下措施：

提升演算法透明度： 公開演算法推薦機制的細節，讓研究人員和公眾監督其運作方式，並及早發現潛在的偏差。
建立多元化的推薦指標： 避免過度依賴單一指標（例如用戶參與度），納入更多元化的指標，例如資訊來源的可信度、觀點的多樣性等。
提供用戶更多控制權： 允許用戶調整個人化的推薦設定，例如選擇接收更多不同觀點的內容，或降低特定來源的曝光率。
與第三方機構合作： 與獨立的第三方機構合作，定期審查演算法的公平性和客觀性，並根據審查結果進行調整。
加強員工培訓： 對平台員工進行演算法偏差和資訊操弄相關的培訓，提升他們對這些問題的意識和應對能力。

此外，平台應積極打擊平台上的虛假帳號和機器人，因為這些帳號經常被用來散播偏頗資訊和操弄輿論。

如果社群媒體演算法完全中立，是否就能確保線上政治討論的公平性和完整性？

即使社群媒體演算法完全中立，也無法完全確保線上政治討論的公平性和完整性。因為：

演算法中立不代表資訊環境中立： 演算法只能根據預先設定的規則進行運作，而這些規則本身可能就存在偏差，或者無法完全反映現實世界中複雜的資訊環境。
用戶行為也會影響資訊傳播： 用戶的選擇性接觸、資訊分享和互動模式都會影響資訊的傳播範圍和速度，進而影響線上政治討論的走向。
其他因素的影響： 除了演算法，還有許多其他因素會影響線上政治討論的公平性和完整性，例如政治廣告、虛假資訊、外部勢力干預等。

因此，僅僅追求演算法中立是不夠的，還需要採取其他措施，例如提升媒體素養、促進多元觀點交流、打擊虛假資訊等，才能營造更健康、更理性的線上政治討論環境。

在資訊爆炸的時代，我們應該如何培養批判性思維，避免被演算法操控？

在資訊爆炸的時代，培養批判性思維至關重要，以下是一些方法可以幫助我們避免被演算法操控：

主動查證資訊來源： 不要輕易相信社群媒體上的資訊，養成查證資訊來源的習慣，確認資訊的真實性和可靠性。
多方比較不同觀點： 主動接觸不同媒體和觀點的資訊，避免陷入資訊同溫層，更全面地了解事件的全貌。
質疑資訊背後的意圖： 思考資訊發布者的動機和目的，辨別資訊是否客觀中立，或帶有特定立場和意圖。
提升媒體素養： 學習如何辨別虛假資訊、了解演算法推薦機制，以及培養獨立思考和判斷的能力。
保持理性思考： 不要被情緒化的資訊牽著鼻子走，保持冷靜和理性，客觀分析和評估資訊的價值。

培養批判性思維是一個持續學習和實踐的過程，需要我們保持警覺，不斷反思和調整自己的資訊獲取和判斷方式。