Algoritmi voi luoda sopua Clintonin ja Trumpin kannattajien välille
Huoli yhteiskunnan polarisoitumisesta on kasvussa, ja esimerkiksi Maailman talousfoorumi nosti sen uhaksi maailmanlaajuisia riskejä käsittelevässä raportissaan. Yhtenä kasvavan vastakkainasettelun syynä on pidetty sosiaalista mediaa. Aalto-yliopiston, HIIT:n ja Qatar Computing Research Instituten tutkijat loivat algoritmisia menetelmiä, jotka voivat tuoda vastakkaisia mielipiteitä esittäviä ihmisiä lähemmäs toisiaan ja arvioivat menetelmiä Twitter-aineiston avulla. Julkaisu sai vastikään parhaan opiskelijatyön palkinnon verkkohakua ja tiedonlouhintaa käsittelevässä WSDM 2017 -konferenssissa.
Tutkijat tarkastelivat Twitter-käyttäjien yksittäisten aiheiden, kuten Yhdysvaltain presidentinvaalien ja Obamacare-terveydenhuoltouudistuksen, ympärille muodostamia vuorovaikutusverkostoja. Ristiriitoja aiheuttavien aiheiden kohdalla on tyypillistä, että verkostoissa on havaittavissa kaksi toisistaan selkeästi erottuvaa ryhmittymää. Nyt luodut algoritmiset menetelmät luovat siltoja ryhmien välille ehdottamalla käyttäjälle uusia seurattavia vastapuolta edustavien joukosta, mikä vähentää tehokkaasti polarisaatiota.
"Ehdotimme ensimmäisinä täysin algoritmista ratkaisua, jota voidaan soveltaa laajamittaisesti kielestä ja aihealueesta riippumatta. Pääalgoritmin avulla havaitsimme, että tietyntyyppisessä verkostossa, joka simuloi polarisoitumista, yhdyssiteet toimivat parhaiten, kun ne on muodostettu vastakkaisia näkemyksiä edustavien puolten verkottuneimpien käyttäjien välille", kertoo professori Aristides Gionis Aalto-yliopiston tietotekniikan laitokselta.
Optimaalisesta toteuttamiskelpoiseen
Tutkimuksessa käsiteltiin uudelleentwiittausverkostoja, joissa hyvin verkottuneet käyttäjät ovat yleensä tunnettuja ja heillä on monia seuraajia. Esimerkiksi Yhdysvaltain vaalien tapauksessa kaksi vastakkaista puolta ovat demokraatit ja republikaanit, ja niiden verkottuneimmat käyttäjät Hillary Clinton ja Donald Trump. Teoriassa yhteyden luominen heidän välilleen esimerkiksi suosittelemalla, että Clinton seuraisi Trumpia, olisi optimaalisin ratkaisu – muttei toteuttamiskelpoisin.
"Yhdysvaltain vaalituloksia käsittelevissä Twitter-keskusteluissa algoritmi ehdottaa vastakkainasettelun suurinta mahdollista vähentämistä luomalla yhteyden käyttäjien @hillaryclinton ja @breitbartnews välille. Koska kyseisen yhdyssiteen muodostuminen ei kuitenkaan ole erityisen todennäköistä, algoritmi ehdottaa seuraavaksi yhdyssiteen luomista vähemmän verkottuneiden Twitter-käyttäjien välille, kuten esimerkiksi vapaa journalisti @mtracey ja konservatiiviaktivisti @rightwingangel", kertoo tutkija Kiran Garimella.
Uusi lähestymistapa saa aikaisempia tutkimuksia tehokkaammin aikaan lähentymistä vastakkaista näkemystä edustavien ryhmittymien välille. Tulevaisuudessa tutkijat Kiran Garimella ja Aristides Gionis (Aalto-yliopisto), Michael Mathioudakis (Aalto-yliopisto ja Helsinki Institute for Information Technology -tutkimuslaitos (HIIT)) ja Gianmarco De Francisci Morales (Qatar Computing Research Institute – tutkimusinstituutti) aikovat siirtää painopistettä henkilöiden suosittelemisesta sisällön suosittelemiseen.
äپٴDz:
Kiran Garimella
Tutkija
Aalto-yliopisto
kiran.garimella@aalto.fi
+358 50 430 4933
Aristides Gionis
Professori
Aalto-yliopisto
aristides.gionis@aalto.fi
Puh. +358 50 430 1651
Artikkeli:
Lue lisää uutisia
Mitä kvantti tarkoittaa?
Kaksi Aallon kvanttitutkijaa valottaa kiehtovaa maailmaa, jossa mahdottomalta kuulostava on täysin tavallista.
Samu Taulu kehittää uuden sukupolven aivomittauksia
Neurostimulaation ja neurokuvantamisen professori Samu Taulu rakentaa tarkempia menetelmiä aivojen ymmärtämiseen.
Tutkijatohtori Thomas Deppisch sai EAA:n nuorten tutkijoiden parhaan artikkelin ja esityksen palkinnon
Palkittu tutkimus osoittaa, kuinka puhetta voidaan tehdä selkeämmäksi meluisissa ympäristöissä säilyttäen samalla tilan tuntu.