إن تقليل ظهور المحتوى المثير للجدل في منصات التواصل الاجتماعي يُمكن أن يُخفف بشكل ملحوظ من حدة العداء الحزبي. وللتوصل إلى هذه النتيجة، قمنا أنا وزملائي بتطوير طريقة تُتيح لنا تغيير ترتيب منشورات المستخدمين، وهو أمر كان حكرًا على شركات التواصل الاجتماعي سابقًا.
لقد أثرت إعادة ترتيب خلاصات وسائل التواصل الاجتماعي لتقليل التعرض للمنشورات التي تعبر عن مواقف معادية للديمقراطية والعداء الحزبي على مشاعر الناس ووجهات نظرهم تجاه الأشخاص ذوي الآراء السياسية المعارضة.
أنا عالم حاسوب متخصص في دراسة الحوسبة الاجتماعية والذكاء الاصطناعي والويب. ولأن منصات التواصل الاجتماعي وحدها هي التي تستطيع تعديل خوارزمياتها، قمنا بتطوير وإطلاق أداة ويب مفتوحة المصدر تتيح لنا إعادة ترتيب منشورات المستخدمين الذين وافقوا على ذلك على منصة X (تويتر سابقًا) في الوقت الفعلي.
بالاعتماد على نظرية العلوم الاجتماعية، استخدمنا نموذجًا لغويًا واسع النطاق لتحديد المنشورات التي يُحتمل أن تُثير استقطابًا بين الناس، مثل تلك التي تدعو إلى العنف السياسي أو سجن أعضاء الحزب المعارض. لم تُحذف هذه المنشورات، بل رُتبت في مرتبة أدنى، مما يتطلب من المستخدمين التمرير أكثر لرؤيتها. وقد أدى ذلك إلى تقليل عدد المنشورات التي شاهدها المستخدمون.
أجرينا هذه التجربة لمدة عشرة أيام خلال الأسابيع التي سبقت الانتخابات الرئاسية الأمريكية لعام ٢٠٢٤. وجدنا أن تقليل التعرض للمحتوى الاستقطابي أدى إلى تحسن ملحوظ في مشاعر المشاركين تجاه أعضاء الحزب المعارض، وخفف من مشاعرهم السلبية أثناء تصفحهم للأخبار. والأهم من ذلك، أن هذه التأثيرات كانت متشابهة عبر مختلف الانتماءات السياسية، مما يشير إلى أن هذا التدخل يفيد المستخدمين بغض النظر عن حزبهم السياسي.
لماذا يُعد ذلك مهماً؟
من المفاهيم الخاطئة الشائعة أن على الناس الاختيار بين خيارين: خوارزميات التفاعل أو خلاصات زمنية بحتة. في الواقع، هناك طيف واسع من المناهج الوسيطة، وذلك حسب الغرض المُحسّن لكل منها.
عادةً ما تُحسَّن خوارزميات التغذية لجذب انتباهك، ونتيجةً لذلك، يكون لها تأثيرٌ كبير على مواقفك ومزاجك وتصوراتك للآخرين. لهذا السبب، ثمة حاجةٌ مُلِحّةٌ لأطر عمل تُمكِّن الباحثين المستقلين من اختبار مناهج جديدة في ظل ظروف واقعية.
يقدم عملنا طريقًا للمضي قدمًا، حيث يوضح كيف يمكن للباحثين دراسة النماذج الأولية للخوارزميات البديلة على نطاق واسع، كما يوضح أنه بفضل نماذج اللغة الكبيرة، تمتلك المنصات أخيرًا الوسائل التقنية للكشف عن المحتوى الاستقطابي الذي يمكن أن يؤثر على المواقف الديمقراطية لمستخدميها.
ما هي الأبحاث الأخرى التي يتم إجراؤها في هذا المجال؟
يعد اختبار تأثير خوارزميات التغذية البديلة على المنصات الحية أمرًا صعبًا، ولم يزد عدد مثل هذه الدراسات إلا مؤخرًا.
على سبيل المثال، تعاون حديث بين الأكاديميين وميتا أن تغيير التغذية الخوارزمية إلى تغذية زمنية لم يكن كافيًا لإظهار تأثير على الاستقطاب. وفي جهد مماثل، تحدي التصنيف الاجتماعي الإيجابي، الذي يقوده باحثون في جامعة كاليفورنيا، بيركلي، بدائل التصنيف عبر منصات متعددة لتعزيز النتائج الاجتماعية المفيدة.
في الوقت نفسه، يُتيح التقدم المُحرز في تطوير نماذج اللغة الكبيرة طرقًا أكثر ثراءً لنمذجة كيفية تفكير الناس وشعورهم وتفاعلهم مع الآخرين. نشهد اهتمامًا متزايدًا بمنح المستخدمين مزيدًا من التحكم، ما يسمح لهم بتحديد المبادئ التي تُوجه ما يرونه في صفحاتهم الرئيسية - على سبيل المثال، مكتبة ألكسندريا للقيم التعددية ونظام إعادة ترتيب صفحات بونساي. وتتجه منصات التواصل الاجتماعي، بما فيها بلو سكاي وإكس ،نحو هذا المسار أيضًا.
ماذا بعد؟
تُمثل هذه الدراسة خطوتنا الأولى نحو تصميم خوارزميات تُدرك تأثيرها الاجتماعي المُحتمل. ولا تزال العديد من الأسئلة مفتوحة.
نخطط لدراسة الآثار طويلة المدى لهذه التدخلات واختبار أهداف تصنيف جديدة لمعالجة مخاطر أخرى تهدد الرفاهية على الإنترنت، مثل الصحة النفسية والرضا عن الحياة. وستستكشف الأبحاث المستقبلية كيفية تحقيق التوازن بين أهداف متعددة، مثل السياق الثقافي والقيم الشخصية وتحكم المستخدم، لخلق مساحات إلكترونية تدعم التفاعل الاجتماعي والمدني الصحي بشكل أفضل.
موجز البحث هو عرض موجز لأعمال أكاديمية مثيرة للاهتمام.
تيزيانو بيكاردي، أستاذ مساعد في علوم الحاسوب، جامعة جونز هوبكنز.
أُعيد نشر هذه المقالة من موقع The Conversation بموجب رخصة المشاع الإبداعي. اقرأ المقال الأصلي.
