Eine neue Studie zeigt, dass die algorithmische Manipulation von Social-Media-Feeds die politische Polarisierung messbar verringern kann, auch ohne Plattformkooperation. Forscher der University of Washington und der Northeastern University haben eine Browsererweiterung entwickelt, die große Sprachmodelle (LLMs) nutzt, um Beiträge in den Feeds der Benutzer subtil neu anzuordnen, extreme Inhalte nach unten zu verschieben und sie in einigen Fällen für Vergleichszwecke leicht anzuheben. Die in Science veröffentlichten Ergebnisse zeigen einen deutlichen Einfluss auf die Einstellungen der Nutzer gegenüber gegnerischen politischen Gruppen.
Das Experiment und seine Ergebnisse
Der Kern der Studie umfasste über 1.200 Teilnehmer, die im Vorfeld der US-Wahlen 2024 X (ehemals Twitter) mit modifizierten Feeds nutzten. Eine Gruppe sah, dass polarisierende Inhalte weniger hervorgehoben wurden, was ihre Sichtbarkeit verringerte. ein anderer sah es verstärkt. Das wichtigste Ergebnis: Diejenigen, die weniger betonten spaltenden Beiträgen ausgesetzt waren, berichteten von wärmeren Gefühlen gegenüber gegnerischen politischen Gruppen. Diese Veränderung wurde mithilfe einer „Gefühlsthermometer“-Skala gemessen, auf der die Teilnehmer ihre Stimmung bewerteten. Die Veränderung betrug durchschnittlich zwei bis drei Grad, ein erheblicher Effekt, wenn man bedenkt, dass sich die politische Stimmung in den USA in der Vergangenheit über einen Zeitraum von drei Jahren um etwa drei Grad verschiebt.
Umgekehrt berichteten Teilnehmer, die verstärkt polarisierende Inhalte sahen, über kältere Gefühle gegenüber gegnerischen Gruppen, was den Einfluss des Algorithmus weiter verdeutlicht. Die Intervention wirkte sich auch auf emotionale Reaktionen aus: Diejenigen mit weniger betonten Inhalten berichteten von weniger Traurigkeit und Wut.
Plattformkontrolle umgehen
Diese Forschung ist bahnbrechend, weil sie das traditionelle Hindernis für die Untersuchung des algorithmischen Einflusses umgeht: den Plattformzugang. Anstatt sich auf die Zusammenarbeit von Social-Media-Unternehmen zu verlassen – die selten vollständige Transparenz gewährleisten – haben die Forscher ein Tool entwickelt, das unabhängig im Browser der Benutzer funktioniert. Martin Saveski, Co-Autor von der University of Washington, erklärt: „Nur die Plattformen hatten die Macht, diese Algorithmen zu formen und zu verstehen. Dieses Tool gibt diese Macht unabhängigen Forschern.“*
Diese Methode umgeht die Plattformgenehmigung und ermöglicht Tests in der Praxis, ohne auf die Bereitschaft von Technologiegiganten angewiesen zu sein, Daten zu teilen oder Kontrolle zu übernehmen.
Implikationen und zukünftige Forschung
Die langfristigen Auswirkungen solcher Eingriffe bleiben unklar. Victoria Oldemburgo de Mello, Psychologin an der University of Toronto, stellt fest, dass die beobachteten Auswirkungen mit der Zeit entweder nachlassen oder sich verstärken können, was einen entscheidenden Bereich für zukünftige Forschung hervorhebt. Die Forscher haben ihren Code öffentlich zugänglich gemacht, um weitere Untersuchungen und Replikation anzuregen.
Der Rahmen hat auch Potenzial jenseits der politischen Polarisierung. Das Team plant, Interventionen im Zusammenhang mit Wohlbefinden und psychischer Gesundheit zu untersuchen und LLMs zu nutzen, um Social-Media-Feeds zu analysieren und zu modifizieren, um einen breiteren Nutzen zu erzielen. Während das aktuelle Tool hauptsächlich auf browserbasierten Plattformen funktioniert, untersuchen die Forscher Möglichkeiten, es für die Verwendung mit mobilen Anwendungen anzupassen, was technische Herausforderungen mit sich bringt, aber ein wichtiges Ziel bleibt.
Der Erfolg der Studie zeigt, dass die algorithmische Manipulation von Social-Media-Feeds auch ohne Plattformkooperation messbare Auswirkungen auf die Einstellungen der Nutzer haben kann. Dieses Ergebnis stellt das Narrativ in Frage, dass die Polarisierung ausschließlich durch das Nutzerverhalten vorangetrieben wird, und unterstreicht die Verantwortung des algorithmischen Designs für die Gestaltung des öffentlichen Diskurses.
