Die Auswirkungen des Algorithmus von Twitter auf die Emotionen der Nutzer

In einer aktuellen Studie haben Forscher untersucht, wie das Ranking-System von Twitter die Nutzerinteraktion und Zufriedenheit beeinflusst, besonders bei emotional aufgeladenem und spaltendem Inhalt. Das Team hat ein randomisiertes Experiment durchgeführt, um zu sehen, wie der engagementbasierte Ranking-Algorithmus der Plattform im Vergleich zu einer einfachen, umgekehrten chronologischen Reihenfolge von Tweets funktioniert. Die Ergebnisse zeigten, dass das engagementbasierte System dazu tendiert, Inhalte hervorzuheben, die Nutzer als negativ gegenüber ihren politischen Gegnern empfinden, was ein Problem mit der aktuellen Methode zur Rangordnung von Tweets anzeigt.

#Wichtigste Ergebnisse

Die Studie hat drei Hauptpunkte enthüllt:

1. Verstärkung von Feindseligkeit: Der Algorithmus neigt dazu, Tweets zu fördern, die feindlich gegenüber Aussengruppen sind. Nutzer gaben an, dass politische Tweets, die ihnen gezeigt wurden, sie schlechter über Menschen mit gegensätzlichen Ansichten fühlen liessen.

2. Nutzerzufriedenheit: Obwohl der Algorithmus auf Engagement fokussiert ist, bevorzugten die Nutzer die politischen Tweets, die ihnen gezeigt wurden, nicht im Vergleich zu denen in einer umgekehrten chronologischen Reihenfolge. Das deutet darauf hin, dass es nicht reicht, einfach das zu zeigen, was mehr Klicks bringt, um das zu zeigen, was Nutzer tatsächlich sehen wollen.

3. Alternative Ansätze: Als die Forscher eine andere Methode zur Rangordnung von Tweets basierend auf den Vorlieben der Nutzer ausprobierten, stellten sie eine Verringerung negativer und feindlicher Inhalte fest. Allerdings könnte dieser alternative Ansatz auch zu Echokammern führen, in denen Nutzer nur Inhalte sehen, die ihre bestehenden Überzeugungen stärken.

#Hintergrund zu Social-Media-Algorithmen

Soziale Medienplattformen wie Twitter nutzen Algorithmen, um Inhalte für Nutzer zu personalisieren. Diese Algorithmen berücksichtigen, welche Inhalte Engagement fördern, wie Likes und Shares. Kritiker argumentieren, dass dies unbeabsichtigt negativere und wütendere Inhalte verbreiten kann. Zwar gab es Studien zu den Auswirkungen dieser Algorithmen, die meisten waren jedoch beobachtend und inkonsistent. Zudem wurden nur wenige randomisierte Experimente durchgeführt, um den tatsächlichen Einfluss dieser Systeme zu verstehen.

#Bedeutung des Verständnisses von Algorithmen

Um bessere Algorithmen zu entwickeln, ist es wichtig herauszufinden, warum die aktuellen zu negativen Ergebnissen führen. Das Verständnis des Designs dieser Algorithmen kann Forschern helfen, zu erkennen, was zur Spaltung beiträgt.

#Versuchsdesign

Die Forscher führten ihre Studie auf Twitter (das sich im Juli 2023 in "X" umbenannte) über einen Zeitraum von zwei Wochen durch. Sie rekrutierten Teilnehmer und sammelten Tweets, die ihnen sowohl über den Engagement-Algorithmus als auch über eine umgekehrte chronologische Timeline angezeigt wurden. Die Teilnehmer bewerteten die Tweets, die sie sahen, hinsichtlich ihrer Emotionen, der politischen Neigung der Inhalte und ob sie gegenüber einer der beiden politischen Seiten Feindseligkeit verspürten.

#Gemessene Ergebnisse

Das Team betrachtete mehrere Ergebnisse basierend auf den Eingaben der Nutzer. Diese Ergebnisse konzentrierten sich auf Emotionen, die in den Tweets reflektiert werden, die Parteilichkeit, die in den Inhalten angegeben wird, und die Wahrnehmungen der Nutzer bezüglich ihrer politischen In-Gruppe und Out-Gruppe.

#Ergebnisse des Experiments

1. Politische Inhalte und Emotionen: Der engagementbasierte Algorithmus bevorzugte Inhalte, die negative Emotionen wie Wut, Traurigkeit und Angst ausdrücken. Nutzer fühlten insgesamt mehr negative Emotionen, wenn sie diesem Algorithmus ausgesetzt waren.

2. Wirkungen politischer Tweets: Politische Tweets, die über den Engagement-Algorithmus angezeigt wurden, waren eher parteiisch und drückten Feindseligkeit aus. Nutzer fühlten sich besser über ihre eigene politische Gruppe, aber schlechter über die gegnerische Gruppe, nachdem sie diese Tweets gesehen hatten.

3. Nutzerpräferenz: Als die Nutzer gefragt wurden, ob sie die vom Algorithmus geförderten Tweets sehen wollten, äusserten sie eine leichte Präferenz für die in der umgekehrten chronologischen Timeline. Das bedeutet, dass der Algorithmus möglicherweise nicht den angegebenen Vorlieben der Nutzer in Bezug auf politische Inhalte entspricht.

4. Verringerte Spaltung mit alternativer Rangordnung: Als die Forscher versuchten, Tweets basierend auf den Vorlieben der Nutzer anstatt auf Engagement-Metriken zu rangieren, stellten sie eine Abnahme negativer Emotionen und Feindseligkeit fest. Allerdings gab es auch Bedenken, dass diese Methode möglicherweise Echokammern schaffen könnte.

#Emotionaler Einfluss des engagementbasierten Rankings

Die Studie fand heraus, dass der engagementbasierte Ranking-Algorithmus die Ausdrücke von Wut und Negativität in Tweets signifikant verstärkte. Diese Muster waren über verschiedene Arten von politischen Inhalten hinweg konsistent, was bedeutet, dass Nutzer eher verärgert oder ängstlich nach der Interaktion mit Tweets, die durch dieses System angezeigt wurden, fühlten.

#Parteilichkeit und Spaltung

Die Tweets, die durch den Engagement-Algorithmus angezeigt wurden, waren nicht nur feindlicher, sondern stammten auch eher von parteiischen Quellen. Nutzer berichteten von einer stärkeren Wahrnehmung der Überlegenheit ihrer In-Gruppe, was die polarisierenden Effekte dieser Ranking-Methode weiter verdeutlichte.

#Nutzerzufriedenheit mit alternativen Methoden

Als die Forscher untersuchten, wie Nutzer über die ihnen basierend auf ihren Vorlieben angezeigten Tweets dachten, entdeckten sie, dass die Nutzer im Allgemeinen zufriedener waren. Allerdings bemerkten sie auch, dass politische Inhalte hauptsächlich dadurch gemildert wurden, dass die Anzahl der Tweets aus gegensätzlichen politischen Sichtweisen reduziert wurde.

#Einschränkungen der Studie

Während die Studie wertvolle Erkenntnisse lieferte, war sie nicht ohne Einschränkungen. Die Anzahl der für das Ranking untersuchten Tweets war begrenzt, was bedeutet, dass ein grösseres Sample möglicherweise zu anderen Ergebnissen führen könnte. Ausserdem waren die Nutzer der Studie überwiegend jünger und tendierten zu einer politischen Zugehörigkeit, die möglicherweise nicht die breitere Twitter-Population genau widerspiegelt.

#Abschliessende Gedanken

Die Ergebnisse dieser Studie deuten darauf hin, dass die von sozialen Medienplattformen verwendeten Algorithmen die Diskurse auf bedeutende Weise beeinflussen können. Sie verstärken negative Emotionen und tragen zur Spaltung unter politischen Gruppen bei. Es besteht ein klarer Bedarf an einem besseren Design, das die Nutzerpräferenzen berücksichtigt und versucht, Engagement zu balancieren, ohne Feindseligkeit zu fördern. Während soziale Medien sich weiterentwickeln, ist es entscheidend, darauf zu achten, wie Inhalte die Nutzer langfristig beeinflussen. Diese Arbeit hebt die Bedeutung hervor, tief darüber nachzudenken, wie soziale Medienalgorithmen funktionieren und wie sie für gesündere Online-Interaktionen verbessert werden könnten.

#Implikationen für zukünftige Forschung

Die Studie eröffnet neue Wege für weitere Forschung. Zukünftige Arbeiten könnten die langfristigen Auswirkungen dieser Algorithmen auf Nutzerattitüden und -verhalten untersuchen sowie die Möglichkeit von nuancierteren Designpraktiken, die sowohl Engagement-Metriken als auch Nutzerzufriedenheit integrieren.

#Fazit

Da soziale Medien eine zentrale Rolle bei der Gestaltung öffentlicher Diskurse spielen, ist es essenziell, die Algorithmen zu verstehen, die das Ranking von Inhalten steuern. Diese Studie wirft Licht auf die potenziellen Nachteile von engagement-zentrierten Rankings und plädiert für einen ausgewogeneren Ansatz, der auch die Nutzerpräferenzen berücksichtigt.