Menjelajahi dasar-dasar shadowbanning di Twitter
Int

Menjelajahi dasar-dasar shadowbanning di Twitter


Kredit: dole777, Unsplash

Dalam beberapa tahun terakhir, platform media sosial telah mengembangkan dan menerapkan berbagai strategi untuk memoderasi konten yang diterbitkan oleh pengguna mereka dan memastikan bahwa itu tidak menyinggung atau tidak pantas. Ini telah memicu perdebatan yang signifikan, dengan beberapa pengguna mengklaim bahwa teknik ini menghalangi kebebasan berbicara online.

Para peneliti di Inria, IRIT / ENSHEEIT dan LAAS / CNRS baru-baru ini melakukan studi yang menyelidiki metode terkenal untuk memoderasi konten di platform media sosial yang dikenal sebagai shadowbanning. Shadowbanning terjadi ketika situs media sosial mengintervensi aktivitas online pengguna tertentu tanpa sepengetahuan mereka, misalnya, dengan membuat postingan atau komentar mereka tidak terlihat oleh pengguna lain. Ini sering kali dicapai dengan menggunakan algoritme pengambilan keputusan atau teknik komputasi lain yang dilatih untuk mengidentifikasi postingan atau komentar yang dapat dianggap tidak pantas.

“Sebagai peneliti, subjek studi kami adalah pemahaman tentang interaksi yang dapat dilakukan pengguna dengan algoritme pengambilan keputusan,” kata Erwan Le Merrer, salah satu peneliti yang melakukan studi tersebut, kepada TechXplore. “Algoritme ini sering kali diusulkan dalam bentuk kotak hitam, yang berarti bahwa pengguna tidak tahu apa-apa tentang fungsinya, tetapi menghadapi keputusan mereka sebagai konsekuensi dari data yang mereka berikan. Kami mempertanyakan algoritme moderasi otomatis di jejaring sosial sebagai contoh keputusan- membuat algoritma. “

Para peneliti mulai memeriksa dasar-dasar larangan bayangan pada platform media sosial tertentu: Twitter. Mereka memutuskan untuk fokus pada Twitter karena moderasi konten pengguna telah mendapat perhatian yang signifikan selama beberapa tahun terakhir.

“Kami mengandalkan beberapa kode sumber terbuka yang dapat mendeteksi beberapa pembatasan yang diberlakukan pada pengguna dan visibilitas profil, Tweet, atau interaksi mereka,” jelas para peneliti. “Kami meningkatkan kode ini untuk mendukung kampanye pengujian besar-besaran dan memeriksa visibilitas tweet dari sekitar 2,5 juta pengguna twitter.”

Setelah mengumpulkan kumpulan data yang berisi informasi terkait dengan visibilitas Tweet yang diposting oleh pengguna di Twitter, para peneliti menggunakannya untuk mencoba memahami alasan mengapa beberapa pengguna mungkin menjadi sasaran shadowbanning. Untuk melakukan ini, mereka menganalisis data yang mereka kumpulkan menggunakan pendekatan penambangan standar, menguji dua hipotesis berbeda tentang mengapa visibilitas beberapa pengguna di Twitter mungkin terhalang.

Hipotesis pertama adalah bahwa keterbatasan visibilitas beberapa posting pengguna disebabkan oleh bug atau malfungsi platform. Yang kedua adalah bahwa shadowbanning menyebar seperti epidemi di seluruh pengguna yang berinteraksi satu sama lain.

“Karena pada titik tertentu, Twitter mengklaim bahwa mereka tidak menggunakan metode shadowbanning (mengacu pada masalah sebagai bug), kami memutuskan untuk memanfaatkan metode statistik untuk menguji kemungkinan skenario bug tersebut, yang harus didistribusikan secara seragam ke seluruh pengguna dan karenanya di seluruh data kami , “Kata Le Merrer. “Kami menemukan bahwa beberapa populasi sampel terpengaruh cukup berbeda (misalnya, politisi dan selebriti kurang dari bot atau pengguna sampel acak).”

Hasil analisis menunjukkan bahwa hipotesis shadowbanning terjadi karena bug atau kesalahan dalam sistem Twitter secara statistik tidak mungkin. Menariknya, mereka juga mengamati bahwa teman atau pengikut pengguna yang telah dilarang bayangan lebih cenderung menjadi sasaran larangan bayangan.

“Untuk menggantikan narasi bug yang tidak mungkin diajukan oleh Twitter dengan skenario lain, kami merancang model yang menangkap kelompok pengguna shadowbanned yang sering ditemui,” kata para peneliti. “Dengan kata lain, model kami menunjukkan bahwa pengguna shadowbanned lebih cenderung memiliki teman shadowbanned. Prevalensi shadowbanning di sekitar beberapa pengguna dan kontak mereka benar-benar mempertanyakan pernyataan Twitter tentang praktik moderasi.”

Studi terbaru ini menyoroti dinamika dan mekanisme shadowbanning, mengungkapkan bahwa sering kali ada kelompok pengguna shadowbanning yang berinteraksi satu sama lain. Ini bisa jadi karena algoritma pengambilan keputusan yang belajar untuk mengklasifikasikan koneksi dari pengguna shadowbanned sebagai kandidat potensial untuk shadowbanning. Ini juga bisa disebabkan oleh kata-kata penargetan algoritma yang sering digunakan dalam komunitas tertentu.

Di masa mendatang, para peneliti berharap dapat melakukan penyelidikan lebih lanjut yang meneliti dasar-dasar dan batasan sistem berbasis mesin untuk moderasi dan rekomendasi konten online.

“Kami berencana untuk melanjutkan penyelidikan lain ke dalam kotak hitam algoritmik,” kata mereka. “Layanan online sekarang memaparkan penggunanya ke sejumlah besar sistem ini (yaitu, sistem rekomendasi, penilaian kredit, berbagai jenis penyaluran, dll.), Jadi pilihannya akan sulit.”


AI dapat memprediksi pengguna Twitter yang cenderung menyebarkan disinformasi sebelum mereka melakukannya


Informasi lebih lanjut:
Mengatur rekor lebih lurus pada shadow banning. arXiv: 2012.05101 [cs.SI]. arxiv.org/abs/2012.05101, akan dipresentasikan pada INFOCOM 2021.

© 2021 Science X Network

Kutipan: Menjelajahi dasar-dasar shadowbanning di Twitter (2021, 20 Januari) diakses 24 Januari 2021 dari https://techxplore.com/news/2021-01-exploring-underpinnings-shadowbanning-twitter.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Bandar Togel