YouTube 推荐强化负面情绪：基于情感代理的算法偏见审计
社会与信息网络
2025-01-28 v1 计算机与社会
摘要
个性化推荐算法（如 YouTube 所采用的）在显著塑造在线内容消费方面发挥着重要作用。这些系统旨在通过学习用户偏好并相应匹配内容来最大化用户参与度，但可能无意中强化冲动性和情感偏见。本研究采用 sock-puppet 审计方法，考察 YouTube 识别和强化情感偏好能力。我们创建带有指定情感偏好的模拟用户账户，引导其在平台上浏览并选择符合其偏好的视频，从而记录后续推荐内容。我们的发现表明，YouTube 通过增加负面情绪（如愤怒和不满）的出现频率和显著性来放大这些情绪。这一强化效应随时间的推移会加剧，并在不同情境中持久存在。令人意外的是，情境化推荐往往在强化情感一致性方面超过个人化推荐。这些发现表明，该算法放大了用户的偏见，导致情感过滤气泡，引发对用户福祉和社会影响的担忧。本研究强调在个性化与内容多样性之间进行平衡，以及提升用户主体性的重要性。
关键词
引用
@article{arxiv.2501.15048,
title = {YouTube Recommendations Reinforce Negative Emotions: Auditing Algorithmic Bias with Emotionally-Agentic Sock Puppets},
author = {Hussam Habib and Rishab Nithyanand},
journal= {arXiv preprint arXiv:2501.15048},
year = {2025}
}