基于排名算法的激进主义和极化放大效应
社会与信息网络
2026-05-27 v2 计算机与社会
摘要
尽管进行了广泛的研究，但在线平台塑造激进主义和极化的机制仍不明了。我们识别并测试了一种基于实证证据的机制，解释了排名算法如何放大这两种现象。该机制基于已记录的假设：(i) 用户表现出位置偏差，倾向于偏好排名中更高位置的项目；(ii) 用户偏好同温层内容；(iii) 具有更激进观点的用户更可能积极参与；(iv) 排名算法基于流行度，对吸引更多点击的项目分配更高位置。在这些条件下，当平台额外奖励 \emph{积极} 参与并实施 \emph{个性化} 排名时，用户不可避免地被驱动向更激进和极化的新闻消费。我们在动力学模型中形式化了该机制，通过仿真和与数百名人类参与者进行的交互式实验进行评估，其中排名会动态更新以响应用户活动。
引用
@article{arxiv.2510.24354,
title = {Rewarding Engagement and Personalization in Popularity-Based Rankings Amplifies Extremism and Polarization},
author = {Jacopo D'Ignazi and Emma Fraxanet Morales and Andreas Kaltenbrunner and Gaël Le Mens and Fabrizio Germano and Vicenç Gómez},
journal= {arXiv preprint arXiv:2510.24354},
year = {2026}
}