Amplificação Algorítmica de Conteúdo Político no Twitter

Por Rumman Chowdhury e Luca Belli

Quinta-feira, 21 de outubro de 2021

É fundamental estudar os Efeitos do Aprendizado de Máquina (ML) nas conversas públicas e compartilhar as descobertas publicamente. Esse esforço é parte de um trabalho contínuo para examinar algoritmos em uma variedade de tópicos. 

Recentemente, esses autores compartilharam suas descobertas de Análise de Viés em algoritmo de recorte de imagem. Elas informaram as mudanças nesse produto.

Publicam, agora, os aprendizados de outro estudo: uma análise aprofundada para saber se os algoritmos de recomendação amplificam o conteúdo político

A primeira parte do estudo examina Tweets de governantes eleitos* em sete países (Canadá, França, Alemanha, Japão, Espanha, Reino Unido e Estados Unidos). Como os tweets dos eleitos cobrem apenas uma pequena parte do conteúdo político na plataforma, também estudam se os algoritmos de recomendação amplificam o conteúdo político dos veículos de notícias.

Desde 2016, as pessoas no Twitter podem escolher entre ver os Tweets ordenados por algoritmos primeiro na linha do tempo inicial ou ver os Tweets mais recentes em ordem cronológica inversa. 

Uma linha do tempo de Início algorítmico exibe um fluxo de Tweets de contas escolhidas para seguir no Twitter, bem como recomendações de outros conteúdos achados o sujeito estar interessado com base em contas com as quais interage com frequência, Tweets com os quais se envolve e muito mais. Como resultado, o que um indivíduo vê em sua linha do tempo inicial é uma função de como ele interage com o sistema algorítmico, bem como de como o sistema é projetado.

O objetivo deste estudo foi compreender melhor a amplificação do conteúdo político dos governantes eleitos em linha do tempo do Lar, classificada por algoritmos em comparação com a linha do tempo cronológica inversa do Lar. Esperam suas descobertas contribuírem para uma discussão baseada em evidências sobre o papel desempenhado por esses algoritmos na formação do consumo de conteúdo político na Internet.

No estudo, examinam a amplificação algorítmica do conteúdo político na linha do tempo de casa fazendo as seguintes perguntas:

Quanta amplificação algorítmica o conteúdo político de funcionários eleitos recebe na linha do tempo do Twitter classificada por algoritmos em comparação com a linha do tempo cronológica reversa? 

Essa amplificação varia entre os partidos políticos ou dentro de um partido político?

Alguns tipos de grupos políticos são amplificados por algoritmos mais do que outros? Essas tendências são consistentes entre os países?

Alguns veículos de notícias são mais amplificados por algoritmos do que outros? A amplificação algorítmica da mídia de notícias favorece um lado do espectro político mais do que o outro?

Condução do Estudo

Analisaram milhões de Tweets de 1º de abril a 15 de agosto de 2020, de contas operadas por funcionários eleitos em sete países. Usaram esses dados para testar se esses tweets são ou não amplificados mais na linha do tempo inicial classificada por algoritmos no feed cronológico reverso e se havia variação dentro de uma parte.

Usaram fontes públicas de terceiros (como sites institucionais oficiais) para identificar a afiliação a partidos políticos. Não usaram o conteúdo do Tweet para tentar inferir opiniões políticas de autoridades eleitas.

Para estudar a amplificação algorítmica de veículos de notícias, analisaram centenas de milhões de Tweets contendo links para artigos compartilhados por pessoas no Twitter durante o mesmo período. Os meios de comunicação foram categorizados com base em classificações de parcialidade da mídia de duas organizações independentes, AllSides e Ad Fontes Media. Excluíram Tweets apontando para conteúdo não político, como receitas ou esportes.

Resultados encontrados

Tweets sobre conteúdo político de governantes eleitos, independentemente do partido ou se o partido está no poder, veem uma amplificação algorítmica quando comparados ao conteúdo político na linha do tempo cronológica reversa.

Os efeitos de grupo não se traduziram em efeitos individuais. Como a filiação partidária ou ideologia não é um fator considerado em seus sistemas ao recomendar conteúdo, duas pessoas no mesmo partido político não veriam necessariamente a mesma amplificação.

Em seis dos sete países – todos menos a Alemanha – os tweets postados por contas da direita políticarecebem mais amplificação algorítmica em vez da esquerda política, quando estudados como um grupo.

Os veículos de notícias de direita, conforme definido pelas organizações independentes listadas acima, veem uma maior amplificação algorítmica no Twitter em comparação com os meios de comunicação de tendência de esquerda. No entanto, conforme destacado no documento, essas classificações de terceiros fazem suas próprias classificações independentes e, como tal, os resultados da análise podem variar dependendo da fonte usada.

Você pode ler todas as descobertas deste artigo clicando aqui: 
here

Qual é o próximo passo?

Nesse estudo, identificaram o que está acontecendo: determinado conteúdo político é amplificado na plataforma. Estabelecer por quais razões esses padrões observados ocorrem é uma questão significativamente mais difícil de responder, pois é um produto das interações entre as pessoas e a plataforma.

A missão da equipe ML Ethics, Transparency and Accountability (META), como pesquisadores e profissionais integrados a uma empresa de mídia social, é identificar ambos e mitigar qualquer desigualdade que possa ocorrer.

Este estudo de pesquisa destaca a interação complexa entre um sistema algorítmico e as pessoas que usam a plataforma. A amplificação algorítmica não é problemática por padrão, afinal, todos os algoritmos amplificam.

A amplificação algorítmica é problemática se houver tratamento preferencial em função de como o algoritmo é construído em relação às interações tidas pelas pessoas com ele. Uma análise de causa raiz adicional é necessária para determinar quais mudanças, se houver, são necessárias para reduzir os impactos adversos por nosso algoritmo de linha do tempo inicial.

Como essas descobertas podem ser validadas?

É importante para essa equipe compartilhar os dados usados para conduzir este estudo para outros pesquisadores reproduzir o trabalho. Para ajudar nisso, estão disponibilizando conjuntos de dados agregados para pesquisadores terceirizados com desejo de reproduzir suas principais descobertas e validar nossa metodologia, mediante solicitação. 

Detalhes sobre o que está incluído nesses dados são fornecidos no artigo. Para obter total transparência, o ideal é os pesquisadores terem acesso aos dados brutos a partir dos quais esses agregados foram calculados, mas isso é extremamente difícil sem comprometer a privacidade.

Nos últimos meses, a META tem pesquisado métodos para disponibilizar de forma responsável grandes conjuntos de dados para apoiar a validação. Está finalizando uma parceria para aproveitar a tecnologia de preservação da privacidade para permitir pesquisadores terceirizados reproduzirem esse tipo de trabalho.

Ao mesmo tempo, protegem e salvaguardam a privacidade das pessoas usuárias do Twitter. Essa abordagem é nova e não foi usada nesta escala, mas estão otimistas de ela abordar as compensações entre privacidade e responsabilidade possíveis de prejudicar a transparência algorítmica. 

Estão entusiasmados com as oportunidades deste trabalho possíveis de serem abertas para colaboração futura com pesquisadores externos caso busquem reproduzir, validar e estender a pesquisa interna. Compartilharão mais sobre essa parceria em breve.

Esperam, ao compartilhar esta análise hoje, possam ajudar a desencadear uma conversa produtiva com a comunidade de pesquisa mais ampla para examinar várias hipóteses de por que estamos geralmente observando uma amplificação política comparativamente mais à direita do conteúdo de funcionários eleitos no Twitter.

Se você tiver alguma dúvida sobre o ML Responsável ou o trabalho que a META está fazendo, sinta-se à vontade para lhes perguntar usando #AskTwitterMETA. Se você gostaria de ajudar, junte-se a eles.

Deixe uma Resposta

Preencha os seus detalhes abaixo ou clique num ícone para iniciar sessão:

Logótipo da WordPress.com

Está a comentar usando a sua conta WordPress.com Terminar Sessão /  Alterar )

Imagem do Twitter

Está a comentar usando a sua conta Twitter Terminar Sessão /  Alterar )

Facebook photo

Está a comentar usando a sua conta Facebook Terminar Sessão /  Alterar )

Connecting to %s