Opinion dynamics in online social media

Polarisatie als gevolg van online sociale media en bots

Sociale media zouden nadelige effecten kunnen hebben op het publieke debat. Personalisatie-algoritmen zouden filterbubbels creëren en sociale bots zouden vrijelijk desinformatie verspreiden onder een goedgelovig publiek. Dergelijke populaire ideeën over de ontwikkeling van meningen in online sociale media zijn kritisch geëvalueerd in het promotieonderzoek van Marijn Keijer.

Daarbij biedt Keijzer een kader waarmee sociale beïnvloeding op sociale media kan worden bestudeerd. Met behulp van theoretische agent-gebaseerde computermodellen en online experimenten onderzocht hij drie verschillende manieren waarop polarisatie online kan ontstaan. Hij keek naar de rol van personalisatie-algoritmen, het strategische gebruik van sociale bots en communicatieregels op sociale media.

Allereerst bleek er een mismatch tussen de rol van personalisatie-algoritmen en state-of-the-art modellen voor sociale beïnvloeding. Met behulp van de informatie uit een experiment onder Facebookgebruikers kwam aan het licht dat personalisatie van online sociale media polarisatie juist zou kunnen voorkomen, vooral wanneer groepen die ver van elkaar af staan verschillende morele fundamenten gebruiken voor hun argumentatie.

Verder kan het feit dat bots grotendeels los staan van menselijke gebruikers op sociale media ervoor zorgen dat ze juist effectiever zijn in het verspreiden van (des)informatie dan bots die goed geïntegreerd zijn in menselijke netwerken. Tot slot kan het gelijktijdig delen van informatie met alle connecties - typisch voor het delen van tweets en statusupdates op platforms zoals Facebook en Twitter - bijdragen aan het isoleren van personen met enigszins verschillende overtuigingen.

Proefschrift: http://hdl.handle.net/11370/0366219d-c016-49ea-9420-40b9f758b434