I social network online affermano di creare connessioni e unire le persone. Ma gli algoritmi di ranking e raccomandazione che suggeriscono, ad esempio, con chi collegarsi o chi sono gli scienziati più importanti in un campo, non sono giusti. Uno studio appena pubblicato sulla rivista Scientific Reports mostra che gli algoritmi possono esacerbare le disuguaglianze e discriminare alcuni gruppi di persone ai vertici.

Lo studio ha studiato come i meccanismi sociali influenzino le distribuzioni di rango di due noti algoritmi, ovvero il PageRank, uno dei principali algoritmi su cui si basa il motore di ricerca di Google, e Who-to-Follow, l'algoritmo di Twitter che suggerisce le persone che non sei attualmente seguendo che potresti trovare interessante.

"In passato è stato dimostrato che gli algoritmi di classificazione tendono ad aumentare la popolarità di utenti già popolari e ciò può portare alla perdita di opportunità per determinati gruppi di persone", spiega Lisette Espín-Noboa, scienziata sociale computazionale presso il Complexity Science Hub Vienna (CSH) e il primo autore dell'articolo. "Volevamo capire quando questi algoritmi possono andare storti, a seconda della struttura e delle caratteristiche di una rete."

Comprendere gli algoritmi

Il team ha simulato diverse reti, composte da 2.000 individui, e adattato i meccanismi sociali delle relazioni tra gli individui in ciascuna rete. Gli scienziati sono stati in grado di apportare variazioni alle proprietà assegnate a ciascuna rete, come la proporzione della minoranza, il modo in cui gli utenti attivi si connettevano con altri utenti e il modo in cui le persone si collegavano alla rete. In particolare, i ricercatori erano interessati se gli individui si associassero più probabilmente con altri che erano già popolari e se tendessero a collegarsi con coloro che erano simili a loro. Preferire gli altri che sono simili a se stessi è un principio che gli scienziati sociali chiamano omofilia ("gli uccelli di una piuma si radunano insieme").

Meccanismo sociale principale

I ricercatori hanno scoperto che il principale meccanismo sociale responsabile della distorsione della visibilità delle minoranze nelle graduatorie era proprio l'omofilia, insieme alla quota della minoranza. "Vediamo che quando il gruppo di maggioranza si associa principalmente ad altri membri della maggioranza, il gruppo di minoranza è sottorappresentato nei ranghi più alti", spiega Espín-Noboa. "Tuttavia, le minoranze possono superare questa sottorappresentanza collegandosi strategicamente con gli altri e possono cercare di raggiungere almeno la parità statistica nelle prime posizioni".

La parità statistica significa che se la minoranza rappresenta il 20% delle persone nella rete, lo stesso rapporto dovrebbe riflettersi in ogni top-k della classifica. "Un modo per aumentare la visibilità delle minoranze nella classifica è renderle più attive nella rete", afferma Expín-Noboa. "Ciò significa che le minoranze dovrebbero creare più connessioni con gli altri."

Un altro modo che potrebbe rendere più visibili le minoranze è diversificare le connessioni della maggioranza:creando più connessioni dal gruppo di maggioranza al gruppo di minoranza, trova lo studio.

Scenari più realistici

"Abbiamo visto in uno studio precedente come l'omofilia può influenzare la classifica delle minoranze", afferma la coautrice Fariba Karimi che guida il team "Network Inequality" al CSH. "Questo documento presuppone scenari di social network più realistici e sta esaminando non solo gli algoritmi di classificazione, ma anche gli algoritmi di raccomandazione sociale utilizzati dalle piattaforme di social network come Twitter", afferma. "Le nostre nuove scoperte suggeriscono che gli algoritmi di classificazione e raccomandazione nei social network online come Twitter possono effettivamente distorcere la visibilità delle minoranze in modi inaspettati".