Bridging-Based Ranking

Recommendation-systemer brukes av plattformer som Facebook, YouTube og TikTok for å levere personlig tilpasset innhold. Plattformene er helt avhengige av gode anbefalingsmekanismer på grunn av de enorme datamengdene som publiseres daglig.

Engagement-basert ranking av innhold er den vanligste teknikken. Her optimaliserer man typisk for antall kommentarer, likes eller tiden brukeren tilbringer på plattformen. Med en slik rangeringsmekanisme skårer sensasjonelt innhold som resonnerer med brukeren høyt, mens innhold brukeren er uenig i skårer lavt. Dette kan skape et ekkokammer der brukerens eksisterende synspunkter reflekteres tilbake, noe som igjen kan forsterke polarisering.

Bridging-basert ranking forsøker å redusere polarisering ved å promotere innhold som skaper positive reaksjoner på tvers av ulike brukergrupper. Innhold som får støtte fra flere grupper, ikke bare de som allerede er enige, rangeres høyere. Figuren nedenfor er hentet fra Bridging-Based Ranking: How Platform Recommendation Systems Might Reduce Division and Strengthen Democracy av Aviv Ovadya, og viser forskjellen mellom engagement- og bridging-ranking. Den blå og grønne fargen indikerer tilhørighet for brukerne og innholdet. Med engagement-basert ranking vil en bruker i den grønne gruppen få anbefalt dokument C, fordi dokumentet er mest likt av lignende brukere. Med bridging-basert ranking skårer derimot dokument C lavt, siden det skaper splittelse, mens dokument A rangeres høyest fordi begge gruppene er enige om at det er et godt dokument.

Hvis slike rangeringsmekanismer blir utbredt, kan de både løfte frem allerede samlende innhold og påvirke hvilken type innhold som produseres. Influencere kan derfor ha insentiv til å lage mer inkluderende og samlende innhold.

Det er stor usikkerhet rundt om plattformene ser seg tjent med å implementere denne typen rangering, da man går bort fra å maksimere bruk av plattformen. Samtidig forventer man også en del positive effekter, som at plattformens omdømme forbedres. Siden plattformenes inntektskilder hovedsakelig kommer fra reklame, kan et positivt omdømme øke inntekter per annonse. I tillegg vil trolig kostnader relatert til moderering gå ned, og reguleringspress fra myndighetene kan lettes.

Bridging-basert ranking er en spennende tilnærming som forsøker å adressere polarisering i sosiale medier. Mange spørsmål gjenstår: Vil plattformene implementere denne typen algoritmer? Hvordan vil brukerne reagere — vil de bli, eller søke seg til plattformer som fortsatt prioriterer engagement? Vil influencere endre innholdet de produserer for å tilpasse seg nye insentiver? Hvis du synes dette var en interesang luke kan jeg anbefale denne artikkelen Bridging-Based Ranking: How Platform Recommendation Systems Might Reduce Division and Strengthen Democracy av Aviv Ovadya.