降低数量，提高质量：审计 Twitter/X 算法时序与有序时间线中的新闻内容与用户感知

社交媒体个人化算法日益影响社会中公民信息的流动，导致关于“过滤气泡”、“回声室”以及其他方式是否加剧意识形态分裂并助长极化内容传播的担忧。为此，我们设计并执行了一项社会技术审计（STA），以调查 Twitter/X 的时序算法如何影响新闻内容的 curated，同时跟踪用户感知如何变化。我们部署了一个定制构建的系统，在第一周被动跟踪用户浏览器中加载的所有推文，在第二周对用户的 Twitter/X 首页实施干预，将其限制为仅显示算法时序或有序时间线（随机化），在第三周翻转这种条件。我们于 2023 年底进行我们的审计，收集了用户中心的指标（自我报告的调查措施）和平台中心的指标（观看、点击、点赞），共 243 名用户，以及超过 80 万 条推文。使用 STA 框架，我们的结果有两个方面：（1）我们的算法审计发现，Twitter/X 的算法时序结果导致新闻数量较少但质量更高——意味着意识形态上更不一致、更不极端且稍微更可靠——相对于有序时间线。（2）我们的 用户审计表明，尽管我们的时序干预对用户的行为产生了显著影响，但对他们整体对平台的感知几乎没有影响。我们的论文讨论了这些发现及其在算法新闻 curated、用户中心审计以及独立社会科学研究的广阔领域的更广泛含义。