Simple Science

La science de pointe expliquée simplement

# Informatique# Réseaux sociaux et d'information# Intelligence artificielle# Calcul et langage

Encourager la consommation d'infos sur les réseaux sociaux

La recherche examine des stratégies pour promouvoir l'engagement avec des infos fiables chez les utilisateurs de réseaux sociaux.

― 8 min lire


Augmenter l'engagementAugmenter l'engagementdes news sur Twitternouvelles chez les utilisateurs.pour augmenter la consommation deLa recherche met en avant les efforts
Table des matières

Aux États-Unis, y a de grandes inquiétudes concernant le manque de confiance dans les infos, le fait d'être polarisé et le soutien limité aux valeurs démocratiques. Ça représente de réels dangers pour la démocratie. Les gens qui lisent des infos fiables sont peut-être moins enclins à tomber dans la désinfo ou des vues Politiques extrêmes. Cette étude a pour but de voir comment on peut inciter les Utilisateurs de Réseaux sociaux à lire des infos vérifiées qui équilibrent différentes opinions.

Le Problème de la Consommation d'Infos

Beaucoup de gens ne consomment pas assez d'infos sur les réseaux sociaux. Ils sont plutôt focalisés sur le divertissement. Par exemple, les Nouvelles ne représentent qu'une petite partie de ce que les gens consultent sur des plateformes comme Facebook et Twitter. Les recherches montrent qu'une infime partie des clics sur les réseaux mène à des articles d'info. Ce manque de consommation d'infos signifie que de nombreux électeurs ne sont pas informés. Ces électeurs peu informés sont sensibles à faire de mauvais choix lors des élections et peuvent facilement être influencés par des messages émotionnels ou populistes.

Comme lire des infos vérifiées et équilibrées peut mener à un public plus conscient et engagé, cette étude veut trouver des moyens de promouvoir la consommation de qualité d'infos sur les réseaux sociaux. L'objectif est d'inciter les utilisateurs de Twitter à interagir avec des infos vérifiées sur la politique et les affaires publiques.

Aperçu de l'Expérience

Cette recherche a impliqué une expérience de terrain menée sur deux semaines avec presque 28 500 utilisateurs de Twitter qui tweetent habituellement sur des sujets quotidiens comme le sport et le divertissement. On a créé 28 bots qui utilisaient un modèle de langage pour répondre aux tweets de ces utilisateurs avec des réponses utiles. Chaque réponse comprenait un lien vers une source d'info et une suggestion de suivre cette source sur Twitter. De plus, pour voir si le genre faisait une différence, on a attribué aléatoirement aux utilisateurs des réponses de bots identifiés comme masculins ou féminins.

On voulait mesurer si ces interactions poussaient les utilisateurs à suivre plus de comptes d'infos, partager du contenu d'infos et participer à des discussions politiques. On a découvert que les utilisateurs qui ont reçu des réponses de bots féminins étaient plus susceptibles d'aimer les publications d'infos. Cependant, ces changements étaient minimes.

Pourquoi la Consommation d'Infos Est Importante

Beaucoup de gens ne consomment pas d'infos régulièrement, et ça a des effets sur l'Engagement politique. Quand les électeurs manquent d'infos, ils peuvent éviter la politique. Les gens pas informés sont plus facilement influencés par des messages émotionnels et une rhétorique populiste. C'est dangereux, surtout si beaucoup de ces électeurs peuvent influencer les résultats des élections.

Lire des infos vérifiées aide à créer une société informée, ce qui mène à des opinions politiques plus stables et une plus grande acceptation des valeurs démocratiques. Donc, inciter les gens à consommer des infos de qualité est essentiel pour renforcer la démocratie.

Réseaux Sociaux et Consommation d'Infos

Les plateformes de réseaux sociaux comme Twitter sont devenues des canaux majeurs pour les infos. Cependant, la plupart des utilisateurs de réseaux sociaux, surtout ceux qui préfèrent le divertissement, ne sont pas exposés aux infos. Les utilisateurs ont tendance à consommer du contenu basé sur ce que l'algorithme de la plateforme suggère, souvent en favorisant le divertissement plutôt que l'info.

Ce manque d'engagement avec les infos crée un cycle où les gens sont plus susceptibles de voir du contenu sur le sport ou des célébrités tout en passant à côté d'infos importantes sur les affaires publiques. Étant donné cela, notre étude cherchait à encourager les utilisateurs à suivre des organismes de presse en reliant les infos à leurs intérêts non politiques à travers des suggestions pertinentes.

Conception de l'Expérience

On visait à changer les habitudes des utilisateurs de Twitter. Pour cela, on a mené une expérience à grande échelle ciblant des utilisateurs intéressés par le sport et le divertissement. On s'est appuyés sur des modèles de langage pour créer des réponses qui semblent naturelles et pertinentes pour les utilisateurs.

Les bots étaient conçus avec des qualités humaines et avaient des identifiants de genre. Chaque bot avait un profil qui incluait une bio expliquant son but : partager des infos fiables. En répondant aux tweets et en incitant les utilisateurs à consulter des sources d'infos vérifiées, on espérait augmenter l'engagement avec les infos.

Collecte de Données

On a commencé par identifier les utilisateurs de Twitter qui discutaient de sport, de divertissement et de sujets de mode de vie. Ça a été fait en rassemblant des tweets incluant des mots-clés spécifiques. On a filtré pour s'assurer qu'on incluait seulement des utilisateurs actifs qui tweetent en anglais et vivent aux États-Unis.

Après avoir établi un échantillon de plus de 28 000 utilisateurs, on les a attribués aléatoirement à l'un des trois groupes : un groupe contrôle, un groupe de bots masculins, ou un groupe de bots féminins. De cette façon, on pouvait analyser comment le genre pouvait affecter l'engagement des utilisateurs.

Pendant l'expérience, on a envoyé des réponses automatisées aux tweets des utilisateurs, les encourageant à suivre des comptes d'infos et à visiter les liens vers ces comptes. On a limité les réponses à une par jour pour éviter de submerger les utilisateurs.

Mesurer l'Engagement des Utilisateurs

On a collecté des données pour mesurer les changements dans le comportement des utilisateurs. Ça incluait le suivi de combien de comptes d'infos les utilisateurs suivaient, à quelle fréquence ils aimaient ou retweetaient du contenu d'infos, et s'ils s'engageaient dans des publications politiques. On a comparé ces indicateurs avant et après l'intervention.

Au final, on a constaté que les utilisateurs qui ont reçu des réponses des bots suivaient plus de comptes d'infos et aimaient plus de contenu d'infos, mais ces changements étaient minimes, soulignant le défi de changer le comportement des utilisateurs en ligne.

Le Rôle du Genre

On a aussi examiné si le genre des bots influençait l'engagement des utilisateurs. Étonnamment, les utilisateurs qui ont interagi avec des bots féminins ont montré plus d'intérêt à aimer le contenu d'infos comparé à ceux qui ont interagi avec des bots masculins.

Ça pourrait suggérer qu'une présence féminine est plus invitante pour les utilisateurs masculins. Cependant, ces effets étaient encore petits et pouvaient être influencés par de nombreux facteurs, y compris les intérêts existants des utilisateurs.

Cibler les Utilisateurs Engagés

Les plus grands changements de comportement se sont produits chez les utilisateurs déjà engagés politiquement. Ceux qui tweetaient sur la politique avant l'expérience étaient plus susceptibles de répondre positivement aux interactions avec les bots. En revanche, les utilisateurs moins intéressés par la politique montraient très peu de changement dans leur comportement.

Ça renforce l'idée que les changements dans le comportement de consommation de médias pourraient dépendre des intérêts existants. Les utilisateurs déjà engagés dans la politique sont ceux qui sont susceptibles de répondre aux incitations encourageant un engagement plus fort avec les infos.

Limites de l'Étude

Il y avait certaines contraintes à cette recherche. Les bots utilisaient des modèles de langage qui pouvaient ne pas être aussi avancés que d'autres disponibles. Un modèle plus sophistiqué aurait peut-être généré de meilleures réponses et augmenté l'engagement.

De plus, comme l'expérience n'a duré que deux semaines, ça n'a peut-être pas été assez de temps pour déclencher des changements significatifs dans les habitudes des utilisateurs. Beaucoup d'utilisateurs tweetent peu souvent, ce qui limite l'impact potentiel des bots.

Directions de Recherche Futur

D'autres études pourraient explorer comment différentes approches pourraient améliorer l'engagement des utilisateurs avec les infos. Ce serait intéressant de voir si l'utilisation d'un modèle de langage plus avancé donnerait des résultats variés.

Aussi, voir comment ces résultats se traduisent sur d'autres plateformes de réseaux sociaux pourrait fournir des aperçus supplémentaires. Alors que Twitter évolue, les dynamiques d'engagement des utilisateurs avec les infos pourraient également changer, rendant crucial d'adapter les méthodes en conséquence.

Conclusion

La recherche met en lumière les défis d'encourager la consommation d'infos sur les plateformes de réseaux sociaux. Bien qu'il y ait eu de petits changements positifs dans le suivi de comptes d'infos et l'appréciation de contenu d'infos, l'impact global a été limité.

Ça suggère que les interventions doivent être plus robustes et adaptées aux intérêts des utilisateurs. Relier les infos à des intérêts personnels pourrait être une voie pour améliorer l'engagement. En résumé, l'étude souligne l'importance de concevoir des stratégies qui encouragent efficacement les utilisateurs à s'engager avec des infos de qualité et à maintenir un public bien informé.

Source originale

Titre: Incentivizing News Consumption on Social Media Platforms Using Large Language Models and Realistic Bot Accounts

Résumé: Polarization, declining trust, and wavering support for democratic norms are pressing threats to U.S. democracy. Exposure to verified and quality news may lower individual susceptibility to these threats and make citizens more resilient to misinformation, populism, and hyperpartisan rhetoric. This project examines how to enhance users' exposure to and engagement with verified and ideologically balanced news in an ecologically valid setting. We rely on a large-scale two-week long field experiment (from 1/19/2023 to 2/3/2023) on 28,457 Twitter users. We created 28 bots utilizing GPT-2 that replied to users tweeting about sports, entertainment, or lifestyle with a contextual reply containing two hardcoded elements: a URL to the topic-relevant section of quality news organization and an encouragement to follow its Twitter account. To further test differential effects by gender of the bots, treated users were randomly assigned to receive responses by bots presented as female or male. We examine whether our over-time intervention enhances the following of news media organization, the sharing and the liking of news content and the tweeting about politics and the liking of political content. We find that the treated users followed more news accounts and the users in the female bot treatment were more likely to like news content than the control. Most of these results, however, were small in magnitude and confined to the already politically interested Twitter users, as indicated by their pre-treatment tweeting about politics. These findings have implications for social media and news organizations, and also offer direction for future work on how Large Language Models and other computational interventions can effectively enhance individual on-platform engagement with quality news and public affairs.

Auteurs: Hadi Askari, Anshuman Chhabra, Bernhard Clemm von Hohenberg, Michael Heseltine, Magdalena Wojcieszak

Dernière mise à jour: 2024-03-29 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2403.13362

Source PDF: https://arxiv.org/pdf/2403.13362

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Liens de référence

Plus d'auteurs

Articles similaires