Ici au blog de PJ nous allons découvrir l’explication … selon notre bonne habitude 😀 .
Le lien : Algorithmic Amplification of Politics on Twitter
Ferenc Huszár,†,a,b,c, Sofia Ira Ktena,‡,a, Conor O’Brien,a, Luca Belli†,a, Andrew Schlaikjera, and Moritz Hardt§,d
a Twitter, 1355 Market St San Francisco, CA 94103, USA.
b Computer Laboratory, University of Cambridge, Cambridge, UK.
c Gatsby Computational Neuroscience Unit, University College London, London, UK. dDepartment of Electrical Engineering and Computer Sciences, University of California, Berkeley, CA, USA.
Sommaire :
Le contenu de la timeline d’accueil de Twitter est sélectionné et ordonné par des algorithmes de personnalisation. En classant plus haut systématiquement certains contenus , ces algorithmes peuvent amplifier certains messages tout en réduisant la visibilité d’autres. La possibilité que certains groupes politiques bénéficient davantage de l’amplification algorithmique que d’autres a fait l’objet d’un débat public et scientifique intense.
Nous fournissons des preuves quantitatives à partir d’une expérience randomisée de longue durée et à grande échelle sur la plateforme Twitter qui a engagé un groupe de contrôle randomisé comprenant près de 2 millions de comptes actifs quotidiens dans un flux de contenu chronologique inverse sans personnalisation algorithmique.
Nous présentons deux séries de résultats. Premièrement, nous avons étudié les Tweets des législateurs élus des principaux partis politiques dans 7 pays. Nos résultats révèlent une tendance remarquablement cohérente : Dans 6 des 7 pays étudiés, la droite politique dominante bénéficie d’une plus grande amplification algorithmique que la gauche politique dominante. Conformément à cette tendance générale, notre deuxième série de résultats concernant le paysage médiatique américain a révélé que l’amplification algorithmique favorise les sources d’information de droite.
Nous avons également cherché à savoir si les algorithmes amplifiaient davantage les groupes politiques d’extrême gauche et d’extrême droite que les groupes modérés : contrairement à la croyance publique dominante, nous n’avons pas trouvé de preuves à l’appui de cette hypothèse. Nous espérons que nos résultats contribueront à un débat fondé sur des preuves concernant le rôle que jouent les algorithmes de personnalisation dans la consommation de contenu politique.
Discussion :
Nous avons présenté un audit complet de l’amplification algorithmique du contenu politique par le système de recommandation de la timeline d’accueil de Twitter. Dans les sept pays étudiés, nous avons constaté que les principaux partis de droite bénéficient au moins autant, et souvent beaucoup plus, de la personnalisation algorithmique que leurs homologues de gauche.
Dans le même ordre d’idées, nous avons constaté que le contenu des médias américains ayant un fort penchant pour la droite est légèrement plus amplifié que le contenu des sources de gauche.
Cependant, en effectuant des comparaisons basées sur l’amplification des comptes des politiciens individuels, plutôt que des partis dans leur ensemble, nous n’avons trouvé aucune association entre l’amplification et l’appartenance à un parti.
Notre analyse des partis d’extrême gauche et d’extrême droite dans différents pays ne confirme pas l’hypothèse selon laquelle la personnalisation algorithmique amplifie davantage les idéologies extrêmes que les voix politiques traditionnelles. Cependant, certains résultats indiquent la possibilité qu’un fort parti pris partisan dans les reportages soit associé à une plus grande amplification. Nous notons qu’un fort parti pris partisan signifie ici une tendance constante à rapporter les informations d’une manière qui favorise un parti ou un autre, et n’implique pas la promotion d’une idéologie politique extrême.
Les arguments récents selon lesquels les différents partis politiques poursuivent des stratégies différentes sur Twitter [19, 32] peuvent fournir une explication à l’existence de ces disparités. Cependant, la compréhension du mécanisme causal précis qui conduit à l’amplification invite à une étude plus approfondie que nous espérons initier par notre travail.
Bien qu’il s’agisse de la première étude systématique et à grande échelle comparant les timelines classées aux timelines chronologiques sur Twitter, notre travail s’inscrit dans un contexte plus large de recherche sur les effets de la personnalisation du contenu sur le contenu politique [7, 30, 36, 37] et la polarisation [10, 16, 31, 33]. Il existe plusieurs pistes de travail pour l’avenir.
En dehors de la Home timeline, les utilisateurs de Twitter sont exposés à plusieurs autres formes de curation algorithmique du contenu sur la plateforme qui méritent d’être étudiées par des expériences similaires. L’amplification politique n’est qu’une des préoccupations des recommandations en ligne. Une méthodologie similaire pourrait permettre de mieux comprendre des domaines tels que la désinformation [15, 22], la manipulation [2, 42], les discours de haine et les contenus abusifs.
Laisser un commentaire