Дослідження, проведене групою американських вчених, включаючи Тіціано Піккарді зі Стенфордського університету, продемонструвало, що порядок відображення політичного контенту на платформах, таких як X (колишній Twitter), безпосередньо впливає на ворожість користувачів щодо інших ідеологічних груп. Це відкриття стосується однієї з найбільш обговорюваних проблем з моменту появи соціальних мереж та їхнього внеску у розкол суспільства.

Соціальні мережі стали критично важливим джерелом політичної інформації для сотень мільйонів людей у всьому світі, часто слугуючи основним каналом для їхньої політизації. Через них користувачі отримують, поширюють та висловлюють свої політичні погляди. Однак непрозорість алгоритмів платформ ускладнює оцінку реального впливу рішень щодо відображення контенту на формування політичних ідей.

Щоб подолати цю непрозорість, дослідники розробили розширення для браузера, яке перехоплює та переупорядковує в реальному часі стрічку новин певних соціальних мереж. Інструмент використовує велику мовну модель (LLM) для присвоєння оцінки кожному контенту, вимірюючи, наскільки він містить «антидемократичні настрої та партійну ворожість» (AAPA). Після оцінки коментарі перевпорядковувалися в тому чи іншому напрямку, причому все це відбувалося без необхідності співпраці з платформою та поза її алгоритмом.

Експеримент був проведений за участю 1256 осіб, яких належним чином поінформували про його проведення. Він був зосереджений на платформі X, обраній як найбільш використовувана соціальна мережа в США для вираження політичних поглядів, і проводився протягом тижнів, що передували президентським виборам 2024 року, щоб забезпечити активну циркуляцію політичних повідомлень.

Учасники експерименту протягом тижня випадковим чином піддавалися впливу двох типів стрічок: одна з великою кількістю поляризованого контенту (AAPA), інша — з дуже малою. Результати показали, що переупорядкування контенту «суттєво вплинуло на афективну поляризацію» без значних відмінностей залежно від політичних уподобань користувача. Крім того, маніпуляція алгоритмом викликала зміни в негативних емоціях учасників під час експерименту.

Дослідження також демонструє, що можна знизити «температуру» або поляризацію в соціальних мережах, просто перевпорядковуючи публікації, щоб зробити менш помітними ті, що містять антидемократичний контент. Майкл Бернштейн, професор інформатики Стенфордського університету та співавтор дослідження, вважає, що цей інструмент може «відкрити нові шляхи для сприяння більшій соціальній довірі».

Дженніфер Аллен, професор Нью-Йоркського університету, яка не брала участі в дослідженні, високо оцінила методологію як «творчий підхід до дослідження, адаптований до поточного моменту», враховуючи небажання платформ ділитися даними з дослідниками.