Un effetto di rete noto come omofilia può ridurre la visibilità delle donne sui social media quando vengono aggiunti algoritmi di raccomandazione, dice un nuovo studio. Al di sopra, un selfie dall'account Instagram della coautrice dello studio Ana-Andreea Stoica. Credito:Ana-Andreea Stoica
I social media e l'economia della condivisione hanno creato nuove opportunità sfruttando le reti online per creare fiducia e rimuovere le barriere del mercato. Ma un numero crescente di ricerche suggerisce che i vecchi pregiudizi di genere e razziali persistono, dalla maggiore popolarità degli uomini su Twitter ai tassi di accettazione più bassi degli afroamericani su Airbnb.
Ora, utilizzando il sito di condivisione di foto Instagram come test case, I ricercatori della Columbia dimostrano come due algoritmi di raccomandazione comuni amplificano un effetto di rete noto come omofilia in cui persone simili o che la pensano allo stesso modo si raggruppano insieme. Mostrano inoltre come gli algoritmi liberati su una rete con l'omofilia rendano effettivamente le donne meno visibili; hanno scoperto che le donne nel loro set di dati, le cui foto avevano meno probabilità di essere "mi piace" o commentate, divenne ancora meno popolare una volta introdotti gli algoritmi di raccomandazione.
Elaborando la matematica di come ciò accade, i ricercatori sperano che il loro lavoro, che sarà presentato il 25 aprile alla Web Conference di Lione, può aprire la strada ad algoritmi che correggono l'omofilia.
"Stiamo semplicemente mostrando come alcuni algoritmi raccolgono modelli nei dati, " ha detto l'autore principale dello studio Ana-Andreea Stoica, uno studente laureato alla Columbia Engineering. "Questo diventa un problema quando le informazioni che si diffondono attraverso la rete sono un annuncio di lavoro o un'altra opportunità. Gli algoritmi possono mettere le donne in uno svantaggio ancora maggiore".
I ricercatori hanno raschiato i loro dati da Instagram nel 2014, dopo che Facebook ha acquistato l'azienda, ma prima che i messaggi automatici rendessero più facile connettersi con gli amici degli amici. Sebbene le donne siano più numerose degli uomini nel loro campione di 550, 000 utenti di Instagram (dal 54 percento al 46 percento), i ricercatori hanno scoperto che le foto degli uomini tendevano ad essere accolte meglio:il 52 percento degli uomini ha ricevuto almeno 10 "mi piace" o commenti rispetto al 48 percento delle donne.
La maggioranza degli iper-influencer nel campione dei ricercatori erano donne, ma quando è stato introdotto l'algoritmo di raccomandazione Adamic-Adar, gli uomini avevano tre volte più probabilità delle donne in questo gruppo esclusivo; di essere suggeriti come nuovo contatto agli altri sulla rete. Credito:Ana-Andreea Stoica
Come previsto, l'omofilia ha avuto un ruolo. I ricercatori hanno scoperto che gli uomini avevano 1,2 volte più probabilità di mettere "mi piace" o commentare le foto di altri uomini piuttosto che quelle delle donne, mentre le donne avevano solo 1,1 volte più probabilità di interagire con altre donne.
Quando hanno utilizzato due algoritmi di raccomandazione ampiamente utilizzati, Adamic-Adar e Random Walk (amici di amici), i ricercatori hanno scoperto che la percentuale di donne connesse, o previsto per essere raccomandato a, almeno altri 10 utenti di Instagram sono scesi dal 48 percento nel set di dati originale, rispettivamente al 36 percento e al 30 percento. Come previsto in una serie di dimostrazioni matematiche nell'articolo, i ricercatori hanno anche scoperto che la disparità era maggiore tra i super-influencer di Instagram, persone come il CEO di Instagram Kevin Systrom, i cui post popolari e 1,5 milioni di follower lo collocano nel primo decimo dell'uno percento per coinvolgimento.
Quando gli algoritmi sono stati liberati su questa rete esclusiva di individui ultra-coinvolgenti, la visibilità delle donne è precipitata. Sebbene le donne tra i primi 0,1 percento per impegno (con almeno 320 connessioni) siano più numerose degli uomini (dal 54 percento al 46 percento), gli uomini avevano molte più probabilità di essere suggeriti a nuovi utenti e di espandere rapidamente le loro reti. Solo il 26% e il 28% delle donne tra i primi 0,1 percento erano probabilmente raccomandati rispettivamente sotto gli algoritmi Adamic-Adar e Random Walk almeno 23 volte e 12 volte, i ricercatori hanno scoperto.
"Gli algoritmi raccolgono modelli sottili e li amplificano, " ha detto l'autore senior dello studio, Augustin Chaintreau, un informatico presso la Columbia Engineering e membro del Data Science Institute della Columbia. "Non stiamo chiedendo che gli algoritmi siano ciechi ai dati, solo che correggono la propria tendenza ad amplificare il pregiudizio già presente."
Lo studio è l'ultimo a dimostrare che gli algoritmi di raccomandazione, oltre a filtrare i contenuti, può influenzare la struttura a lungo termine di un social network. "È notevole che un semplice presupposto di omofilia porti gli algoritmi ad amplificare le disparità di status sociale, " ha detto Amit Sharma, un ricercatore di Microsoft Research India che non è stato coinvolto nello studio ma ha recentemente parlato alla Columbia del proprio lavoro esplorando i motori di raccomandazione e l'influenza sociale.
Gli interventi algoritmici che bilanciano la convenienza con gli obiettivi etici possono essere un modo per affrontare il problema, Ha aggiunto. "Attraverso studi come questo, stiamo imparando che la pratica di ottimizzare esclusivamente una singola metrica, Per esempio, numero di nuovi amici aggiunti, non è la strada giusta. Sfortunatamente, l'alternativa non è chiara. Stiamo ancora cercando di capire come gli algoritmi influenzino il comportamento umano a lungo termine".
