挤占真相？一个关于错误信息、极化与有意义社交互动的简单模型
社会与信息网络
2022-10-06 v1 计算机与社会
摘要
本文提供了一个简单的理论框架，用于评估排序算法的关键参数（即流行度与个性化参数）对平台参与度、错误信息与极化等指标的影响。结果表明，增加赋予在线社交互动（如点赞与分享）及个性化内容的权重可能提升社交媒体平台上的参与度，同时也增加了错误信息和/或极化。通过利用 Facebook 2018 年“有意义社交互动”算法排序更新，我们也对该模型部分主要预测提供了直接的实证支持。
引用
@article{arxiv.2210.02248,
title = {Crowding out the truth? A simple model of misinformation, polarization and meaningful social interactions},
author = {Fabrizio Germano and Vicenç Gómez and Francesco Sobbrio},
journal= {arXiv preprint arXiv:2210.02248},
year = {2022}
}
备注
21 pages + appendices, 11 figures, preprint