揭示隐秘力量：算法如何影响Twitter/X上的内容可见性
社会与信息网络
2025-09-10 v4
摘要
近年来，社交网络推荐算法的隐秘设计以及公众对其有限理解，引发了关于潜在信息暴露操纵的担忧。减少内容可见性（即shadow banning）可能有助于限制有害内容，但也可能被用于压制持不同观点者。由此需要更大的透明度以及更好的对此实践的理解。本文通过对两个Twitter/X数据集进行大规模定量分析，分析超过4000万条推文和900万用户，聚焦关于乌克兰-俄罗斯冲突和2024年美国大选中选的讨论。我们使用浏览次数检测可见性降低或放大的模式，并检查这些模式如何与用户意见、社交角色和叙事框架相关联。我们的分析显示，算法系统性地惩罚包含外部链接的推文，使其可见性降低最高可达八倍，无论意识形态立场或来源可信度如何。相反，内容可见性可能因具体账户的不同而被惩罚或偏好，例如对比Kyiv Independent和RT.com或唐纳德·特朗普和卡马拉·哈里斯的推文。总体而言，我们的工作凸显了内容 moderation（内容审核）和推荐系统透明度的重要性，以保护公共话语的完整性并确保在线平台的公平获取。
引用
@article{arxiv.2410.17390,
title = {Revealing The Secret Power: How Algorithms Can Influence Content Visibility on Twitter/X},
author = {Alessandro Galeazzi and Pujan Paudel and Mauro Conti and Emiliano De Cristofaro and Gianluca Stringhini},
journal= {arXiv preprint arXiv:2410.17390},
year = {2025}
}