تاثیر الگوریتم های شبکه های اجتماعی بر قطبی شدن اجتماعی و اعتماد عمومی: ارائه چارچوب مفهومی چندسطحی
سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 19
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
LAWHAMAYESH10_181
تاریخ نمایه سازی: 29 مرداد 1405
چکیده مقاله:
رشد پلتفرم های شبکه اجتماعی، فرایند گزینش و توزیع اطلاعات عمومی را از سردبیری انسانی به سامانه های رتبه بندی و توصیه گر منتقل کرده است. مسئله اصلی این مقاله آن است که این سامانه ها تحت چه شرایطی قطبی شدن اجتماعی و سیاسی را تشدید می کنند و چگونه می توانند اعتماد عمومی به رسانه، نهادهای سیاسی، علم و خود پلتفرم ها را بازآرایی کنند. مقاله حاضر با روش مرور یکپارچه و تحلیل کتابخانه ای، شواهد نظری، آزمایشی، پیمایشی و محاسباتی منتشرشده تا پایان ژوئن ۲۰۲۶ را ترکیب می کند. تمرکز تحلیل بر پژوهش های داوری شده درباره رتبه بندی مبتنی بر تعامل، شخصی سازی، بازنشر، توصیه حساب ها، اتاق های پژواک، خصومت برون گروهی، قطبی شدن عاطفی و اعتماد نهادی است. یافته های ترکیبی نشان می دهد الگوریتم ها بدون تردید معماری مواجهه، میزان دیده شدن، سرعت انتشار و پاداش تعامل را تغییر می دهند؛ بااین حال، اثر آن ها بر نگرش های پایدار شهروندان خطی، یکسان و فوری نیست. در برخی آزمایش های کوتاه مدت، تغییر خوراک الگوریتمی به خوراک زمانی، با وجود دگرگونی محسوس در محتوای مشاهده شده، اثر قابل تشخیصی بر قطبی شدن نداشته است؛ در مقابل، مطالعات جدیدتر در پلتفرم های دیگر نشان داده اند که مواجهه الگوریتمی طولانی تر، تقویت محتوای خصمانه یا بازرتبه بندی خصومت حزبی می تواند نگرش و عاطفه سیاسی را تغییر دهد. درباره اعتماد عمومی نیز دو مسیر متضاد مشاهده می شود: برجسته سازی اطلاعات نادرست، ابهام الگوریتمی و تکرار بدبینی نهادی اعتماد را فرسایش می دهد، اما دنبال کردن حساب های خبری معتبر و افزایش دسترسی به اطلاعات باکیفیت می تواند دانش، دقت باور و اعتماد را بهبود بخشد. نوآوری مقاله ارائه «مدل حلقه بازخورد الگوریتمی اجتماعی اعتماد و قطبی شدن» است. در این مدل، ویژگی های پیشینی جامعه و شبکه، اهداف بهینه سازی پلتفرم، رفتار کاربران و کیفیت محیط اطلاعاتی به صورت متقابل عمل می کنند. نتیجه اصلی آن است که الگوریتم نه علت مستقل و نه عامل بی اثر، بلکه یک تقویت کننده و تنظیم کننده وابسته به زمینه است. بر این اساس، سیاست گذاری موثر باید از حذف ساده شخصی سازی فراتر رود و بر شفافیت اهداف رتبه بندی، ممیزی مستقل، کاهش پاداش خصومت، تنوع باکیفیت و سنجش مستمر اعتماد تمرکز کند.
کلیدواژه ها:
الگوریتم های توصیه گر ، شبکه های اجتماعی ، قطبی شدن عاطفی ، اتاق پژواک ، اعتماد عمومی ، اعتماد نهادی ، یکپارچگی اطلاعات
نویسندگان
سید جواد موسوی
کارشناسی ارشد مدیریت رسانه، شهرداری کرج