arih öncesi toplumlarda insanlar, kendi grubumuzun üyelerinden veya daha prestijli bireylerden öğrenme eğilimindeydiler, çünkü bu bilgilerin güvenilir olması ve grubun başarısıyla sonuçlanması daha olasıydı. Bununla birlikte, çeşitli ve karmaşık modern toplulukların ortaya çıkmasıyla ve özellikle sosyal medyada, bu önyargılar daha az etkili hale geldi. Örneğin, çevrimiçi bağlantı kurduğumuz bir kişi mutlaka güvenilir olmayabilir ve insanlar sosyal medyada kolayca prestij numarası yapabilir. Şimdi, bir grup sosyal bilimci, sosyal medya algoritmalarının işlevlerinin, büyük ölçekli kutuplaşmaya ve yanlış bilgilendirmeye yol açabilecek iş birliğini teşvik etmeyi amaçlayan insan sosyal içgüdüleriyle nasıl yanlış hizalandığını açıklıyor.
"Artık hem Twitter hem de Facebook'ta yapılan birkaç kullanıcı anketi, çoğu kullanıcının gördükleri siyasi içerikten yorulduğunu gösteriyor. Pek çok kullanıcı mutsuz ve iş seçimler ve salgın olduğunda Twitter ve Facebook'un yüzleşmesi gereken birçok itibar bileşeni var. Northwestern'deki Kellogg School of Management'ta bir sosyal psikolog olan ilk yazar William Brady.
Brady, "İnsan psikolojisi ve algoritmalarının bu sonuçlara yol açabilecek şekillerde nasıl etkileşimde bulunduğunu anlamaya yardımcı olmaya çalışan sistematik bir inceleme yayınlamak istedik" diyor. "Bu incelemenin masaya getirdiği şeylerden biri, sosyal öğrenme perspektifidir. Sosyal psikologlar olarak, sürekli olarak başkalarından nasıl öğrenebileceğimizi inceliyoruz. Algoritmaların sosyal etkileşimlerimizi nasıl etkilediğini anlamak istiyorsak, bu çerçeve temelde önemlidir. ."
İnsanlar, tipik olarak iş birliğini ve toplu problem çözmeyi teşvik edecek şekilde başkalarından bir şeyler öğrenmeye eğilimlidirler; bu nedenle, kendi gruplarının bir parçası olarak algıladıkları ve prestijli olarak algıladıkları kişilerden daha fazla şey öğrenme eğilimindedirler. Ek olarak, öğrenme önyargıları ilk evrimleştiğinde, ahlaki ve duygusal olarak yüklü bilgilere öncelik vermek önemliydi, çünkü bu bilgilerin grup normlarını uygulamak ve kolektif olarak hayatta kalmayı sağlamakla daha alakalı olması daha olasıydı.
Buna karşılık, algoritmalar genellikle reklam gelirini artırmak için kullanıcı katılımını artıran bilgileri seçer. Bu, algoritmaların, insanların öğrenmek için önyargılı olduğu bilgileri güçlendirdiği ve içeriğin doğruluğundan veya bir grubun görüşlerini temsil etmesinden bağımsız olarak, sosyal medya akışlarını araştırmacıların Prestijli, Grup İçi, Ahlaki ve Duygusal (PRIME) olarak adlandırdığı bilgilerle aşırı doyurabileceği anlamına gelir. . Sonuç olarak, aşırı siyasi içeriğin veya tartışmalı konuların genişletilmesi daha olasıdır ve kullanıcılar, dışarıdan gelen görüşlere maruz kalmazlarsa, kendilerini farklı grupların çoğunluk görüşü hakkında yanlış bir anlayışla karşı karşıya bulabilirler.
Brady, "Algoritma iş birliğini bozmak için tasarlanmamıştır" diyor. "Sadece hedefleri farklı. Ve pratikte, bu işlevleri bir araya getirdiğinizde, bu potansiyel olarak olumsuz etkilerden bazılarıyla karşılaşıyorsunuz."
Bu sorunu çözmek için, araştırma grubu öncelikle sosyal medya kullanıcılarının algoritmaların nasıl çalıştığı ve belirli içeriğin neden akışlarında göründüğü konusunda daha fazla farkında olmaları gerektiğini önermektedir. Sosyal medya şirketleri, genellikle algoritmalarının içerik için nasıl seçim yaptığının tüm ayrıntılarını açıklamaz, ancak bir başlangıç, bir kullanıcıya belirli bir gönderinin neden gösterildiğine dair açıklamalar sunmak olabilir. Örneğin, kullanıcının arkadaşları içerikle ilgilendiği için mi yoksa içerik genel olarak popüler olduğu için mi? Araştırma ekibi, sosyal medya şirketlerinin dışında, insanlara sosyal medyanın nasıl daha bilinçli tüketicileri olunacağını öğretmek için kendi müdahalelerini geliştiriyor.
Buna ek olarak, araştırmacılar, sosyal medya şirketlerinin algoritmalarını değiştirmek için adımlar atabileceklerini ve böylece topluluğu teşvik etmede daha etkili olabileceklerini öne sürüyorlar. Algoritmalar, yalnızca PRIME bilgilerini desteklemek yerine, ne kadar PRIME bilgisini artıracaklarına dair bir sınır belirleyebilir ve kullanıcılara çeşitli içerik kümeleri sunmaya öncelik verebilir. Bu değişiklikler, daha fazla kutuplaştırıcı veya politik olarak aşırı içeriğin akışlarda aşırı temsil edilmesini engellerken ilgi çekici bilgileri artırmaya devam edebilir.
Brady, "Araştırmacılar olarak, iş bu değişiklikleri yapmaya geldiğinde şirketlerin karşılaştıkları gerilimi anlıyoruz. Bu nedenle, bu değişikliklerin teorik olarak hala etkileşimi sürdürebileceğini ve aynı zamanda PRIME bilgilerinin bu aşırı temsiline izin vermeyeceğini düşünüyoruz" diyor. "Kullanıcı deneyimi aslında bunun bir kısmını yaparak gelişebilir."
