Instagram 评论中用户间差异的探索性研究

2025年3月，Meta宣布推出新AI系统对Instagram评论排序。鉴于现有研究表明，信息流个性化系统可能导致极化增加，这一新系统的引入引发类似问题。本文 presenting 一项小规模探索性研究，考察排序系统是否为不同用户显示系统性差异，尤其针对新闻相关内容。我们使用四个具有不同性别与政治倾向的 sock-puppet账号，收集来自十个新闻与十个非新闻账号的可见评论。该收集在两次、两地VPN位置下重复进行，以评估位置效应。我们询问：1）不同用户间可见评论有多少差异，2）新闻账号的差异是否高于非新闻账号，3）用户属性（性别、政治倾向、位置）是否能系统解释观察到的差异。与我们的预期相反，我们发现新闻帖子可见评论的差异概率低于非新闻帖子。差异更适合通过账户指标（如评论数与粉丝数）解释，而非用户属性。这些发现为Instagram评论个性化排序的初始洞察，动机更大规模、系统化的审计，以评估评论个性化如何塑造线上话语。为支持进一步研究，我们提供收集评论代码及数据。