Обзор исследований о корреляции онлайн-контента и поляризации общества

14.04.2022 Дарья Каспарьянц

Время на прочтение: 3 мин

В современном обществе поляризация угрожает социально-политической и культурной стабильности. В контексте увеличения влияния цифровой, мобильной и платформенной медиа-среды поляризация затрагивает сферы управления, идеологии, культуры, идентичности.

Эта тенденция усиливается распространением фейков, запрещенной информации и ведет к психоэмоциональной дестабилизации общества.

Для понимания развития направлений поляризации проводятся исследования по выявлению корреляций между степенью поляризации и определенными переменными, разработке методов исследования распределения аудитории и влияния популярности контента на его достоверность.

Предлагается обзор исследований в области поляризации и перспективные направления для дальнейшего анализа и разработок методологии измерения влияния онлайн контента на поляризацию в обществе.

Исследовании Кембриджского университета 2021 года «Страновые тренды в распространении аффективной (психоэмоциональной) поляризации». посвящено выявлению тенденций в поляризации среди 12 стран ОЭСР наибольший рост наблюдается в США. В пяти странах, включая Швейцарию, Францию, Данию, Канаду и Новую Зеландию поляризация также выросла, но в меньшей степени, чем в США. В шести государствах – Японии, Австралии, Великобритании, Норвегии, Швеции и Германии поляризация снизилась. В ходе исследования выявлена зависимость между расовой принадлежностью и поляризацией элиты, неравенством, долей торговли в ВВП и проникновением интернета. Исследования продолжаются.

Статья в журнале Nature Human Behavior «Разнообразие политической аудитории и достоверность новостного контента в алгоритмическом ранжировании», опубликованная в конце 2021 года, посвящена алгоритмическим возможностям уменьшения дезинформации и увеличения контента с высокими журналистскими стандартами. Основной тезис подчеркивает усиление предвзятости в отношении информации за счет работы рекомендательных алгоритмов.

Согласно статье, существующие рекомендательные алгоритмы продвигают контент, уже завоевавший популярность. Это имеет несколько эффектов на потребление ложного и некачественного контента.

В частности, вместо анализа отдельных фрагментов контента, рекомендательные алгоритмы оценивают достоверность путем извлечения информации из достоверных источников и учитывая репутацию источников.

Однако, эти методы сложно масштабировать или они ориентированы на тип создаваемого контента. Например, методы оценки достоверности информации Википедии предполагают, что контент организован как вики. Таким образом, эти методы не могут применяться к новостному контенту.

Авторами статьи предлагается использовать уровень разнообразия в рамках одной группы аудитории. Это позволит оценить разнообразие аудитории в масштабе, так как информация о пристрастиях пользователей доступна и разнообразие является свойством аудитории, а не уровнем вовлеченности. Поэтому такая аудитория менее подвержена манипуляциям. Это может лечь в основу ранжирования социальных сетей и применяться системами рейтингования СМИ (например, NewsGuard).

Обзор исследований «Эхо-камеры, фильтр-пузыри и поляризация» института Reuters и Оксфордского университета выявил, что эхо-камеры возникают в крайне пристрастной аудитории политического меньшинства, которая в любых обстоятельствах выберет эхо-камеры. В большинстве случаев среди пользователей действует схема «сквозного воздействия», при которой пользователи, регулярно использующие новостной контент одного политического спектра, интересуются контентом противоположной направленности.

Наибольшее количество исследований в отношении поляризации проводится в США, что обусловлено исторически сложившейся культурой потребления и использования контента. В США поляризации на основе онлайн источников информации укрепляет внутри групповые связи и поляризует группы других политических взглядов. Принцип «сквозного воздействия» в США может способствовать поляризации. Таким образом, в исследовании представлена сложная картина появления и распространения разных видов поляризации. Это отличает предпосылки и закономерности поляризации общества в США и ЕС.

Статья «Минимизация конфликтов и поляризация в социальных сетях: исследование с использованием агентной модели¹ предлагает исследование взаимосвязи пользователей и источников новостей в социальных сетях и поляризацией. В частности, проведен анализ влияния толерантности, простоты обмена контентом, целостности источника информации и изменчивости мнения пользователя на увеличение или уменьшение политической поляризации. Результаты исследования свидетельствуют о зависимости между степенью распространения и уровнем поляризации (чем шире охват распространения, тем выше уровень поляризации); низкий уровень толерантности в обществе ведет к высокому уровню поляризации; высокий уровень скептицизма в отношении источников информации ведет появлению изолированных пользователей-экстремистов. Кроме этого, авторами предлагается анализ модели консенсуса пользователей, изменчивости и устойчивости их мнений и влияния друг на друга в социальном контексте. Авторы также полагают, что будет усиливаться тенденция платформ социальных сетей к сокращению распространения потенциально проблемного и поляризующего контента.

Выводы

Научные коллективы в Европейском союзе и США активно развивают исследования, связанные с анализом корреляций между онлайн контентом и поляризацией общественных настроений. Цели исследований направлены на анализ текущей ситуации, выявлении тенденций, разработку методов, практических решений и инструментария для измерения поляризации в онлайн среде.

В большинстве исследований делается вывод об общем снижении идеологической поляризации и возрастании аффективной (психоэмоциональной) поляризации. При этом, некоторыми авторами отмечается тенденция к усилению контроля платформами соцсетей контроля за потенциально поляризующим контентом.

В работах выявлена корреляция между контентом и диверсификацией аудитории, при этом некоторые авторы делают вывод о более сильной поляризации новостной аудитории, чем общественности в целом.

Для полноценного анализа необходим набор индикаторов качества контента. Сложность выявления зависимостей заключается в независимости популярности контента от достоверности. При этом идеологическое разнообразие аудитории контента свидетельствует о достоверности и может рассматриваться как индикатор качества.

Задачи разработок осложняются междисциплинарностью и комплексностью проблем. Для их решения требуется автоматическая обработка, поиск алгоритмических способов, количественных методов анализа, понимания социокультурных особенностей.

1
Агентное моделирование — это метод имитационного моделирования, исследующий поведение децентрализованных агентов и роль этого поведения для системы в целом