Рабочее определение поляризации: увеличение расстояния между самыми крайними позициями в популяции, и истончение середины между ними. Поляризация — не то же, что несогласие.

Что говорит литература

Рекомендательные алгоритмы вознаграждают сильные реакции. Вовлечённость максимизируется контентом, производящим гнев, страх или подтверждение. Содержимое сильной реакции в среднем поляризует больше мягкого.

Микротаргетинг усиливает эффект. Пользователь, идентифицированный как правый, получает правый сильно-реактивный контент.

Эффект асимметричен. Большинство пользователей затронуто слабо. Меньшинство — наиболее вовлечённые, политически активные — затронуто сильно. Поляризация — феномен хвоста.

Поправка Бейла

Книга Криса Бейла 2021 года Breaking the Social Media Prism делает полезную поправку: воздействие противоположных взглядов в социальных медиа не деполяризует пользователей. Часто поляризует их сильнее.1

Это усложняет очевидный политический ответ («показывать пользователям больше разнообразного контента»). Разнообразие необходимо, но недостаточно.

Почему «алгоритм виноват» слишком просто

Эффекты отбора велики. Пользователи самокурируют. Большая часть фильтра — собственный выбор пользователя.

Демографические и экономические силы важны. Географическая сортировка, фрагментация медиасреды, экономический стресс — все вкладывают в поляризацию.

Что можно сделать

Алгоритмическая прозрачность. Обязать платформы раскрывать, какой контент их рекомендатели приоритизируют.

Алгоритмический выбор. Позволить пользователям выбирать среди рекомендательных алгоритмов.

Трение в вирусной пропагации. Самый вирусный контент — самый поляризующий. Замедление вирусности имеет измеримые деполяризующие эффекты.

Footnotes

  1. Бейл, 2021. ↩