基于县级分析的 Twitter 主页时间线种族偏见算法审计
社会与信息网络
2023-02-14 v2
摘要
我们报告了对 Twitter 主页时间线排序系统的一次审计结果。该审计旨在确定某些种族群体的作者是否系统性地获得比其他群体更高的推文展示量。此类审计的一个核心障碍是 Twitter 通常不收集或关联用户的种族信息，从而禁止在个体作者层面进行分析。为绕过这一障碍，我们以美国各县作为分析单元。我们根据可用的位置数据将 Twitter 平台上的每位美国用户关联到某个县。美国人口普查局提供了各县人口种族构成的信息。我们随后研究的问题是：一个县的种族构成是否与该县内发出的推文可见度相关联。聚焦于美国人口普查局定义的黑人或非裔美国人人口和白人人口这两个种族群体，我们评估了两种偏见的统计度量。我们的研究代表了针对 Twitter 平台上种族偏见的首次大规模算法审计。此外，它说明了在缺乏用户种族信息的情况下衡量在线平台种族偏见所面临的挑战。
引用
@article{arxiv.2211.08667,
title = {County-level Algorithmic Audit of Racial Bias in Twitter's Home Timeline},
author = {Luca Belli and Kyra Yee and Uthaipon Tantipongpipat and Aaron Gonzales and Kristian Lum and Moritz Hardt},
journal= {arXiv preprint arXiv:2211.08667},
year = {2023}
}