Sebuah studi baru menunjukkan bahwa manipulasi algoritmik pada feed media sosial dapat mengurangi polarisasi politik secara signifikan, bahkan tanpa kerja sama platform. Para peneliti di University of Washington dan Northeastern University telah mengembangkan ekstensi browser yang memanfaatkan model bahasa besar (LLM) untuk secara halus menyusun ulang postingan di feed pengguna, menekan konten ekstrem dan, dalam beberapa kasus, sedikit meningkatkannya untuk perbandingan. Hasilnya, yang dipublikasikan di Science, menunjukkan dampak yang jelas terhadap sikap pengguna terhadap kelompok politik lawan.
Eksperimen dan Temuannya
Inti penelitian ini melibatkan lebih dari 1.200 peserta yang menggunakan X (sebelumnya Twitter) dengan feed yang dimodifikasi menjelang pemilu AS tahun 2024. Satu kelompok melihat polarisasi konten tidak terlalu ditekankan, sehingga mengurangi visibilitasnya; yang lain melihatnya semakin besar. Temuan utama: mereka yang terpapar pada postingan-postingan yang memecah belah melaporkan perasaan yang lebih hangat terhadap kelompok politik yang berlawanan. Pergeseran ini diukur menggunakan skala “termometer perasaan”, di mana para peserta menilai sentimen mereka. Perubahannya rata-rata sebesar dua hingga tiga derajat, sebuah dampak yang signifikan mengingat sejarah sentimen politik AS bergeser sekitar tiga derajat selama tiga tahun.
Sebaliknya, peserta yang melihat peningkatan polarisasi konten melaporkan perasaan lebih dingin terhadap kelompok lawan, yang semakin menunjukkan pengaruh algoritme. Intervensi ini juga memengaruhi respons emosional: lebih sedikit kesedihan dan kemarahan yang dilaporkan oleh mereka yang kontennya tidak ditekankan.
Melewati Kontrol Platform
Penelitian ini merupakan terobosan karena mengabaikan hambatan tradisional dalam mempelajari pengaruh algoritmik: akses platform. Daripada mengandalkan kerja sama dari perusahaan media sosial—yang jarang memberikan transparansi penuh—para peneliti menciptakan alat yang beroperasi secara independen di browser pengguna. Seperti yang dijelaskan oleh Martin Saveski, salah satu penulis dari University of Washington, “Hanya platform yang memiliki kekuatan untuk membentuk dan memahami algoritme ini. Alat ini memberikan kekuatan tersebut kepada peneliti independen.”
Metode ini melewati persetujuan platform, sehingga memungkinkan pengujian di dunia nyata tanpa bergantung pada kesediaan raksasa teknologi untuk berbagi data atau kontrol.
Implikasi dan Penelitian Masa Depan
Dampak jangka panjang dari intervensi tersebut masih belum jelas. Victoria Oldemburgo de Mello, psikolog di Universitas Toronto, mencatat bahwa efek yang diamati dapat hilang atau bertambah seiring berjalannya waktu, sehingga menyoroti area penting untuk penelitian di masa depan. Para peneliti telah mempublikasikan kode mereka untuk mendorong penyelidikan dan replikasi lebih lanjut.
Kerangka kerja ini juga mempunyai potensi di luar polarisasi politik. Tim berencana untuk mengeksplorasi intervensi terkait kesejahteraan dan kesehatan mental, memanfaatkan LLM untuk menganalisis dan memodifikasi feed media sosial untuk mendapatkan manfaat yang lebih luas. Meskipun alat yang ada saat ini terutama beroperasi pada platform berbasis browser, para peneliti sedang mencari cara untuk mengadaptasinya untuk digunakan dengan aplikasi seluler, yang menghadirkan tantangan teknis namun tetap menjadi tujuan utama.
Keberhasilan penelitian ini menunjukkan bahwa manipulasi algoritmik pada feed media sosial dapat memberikan dampak yang terukur terhadap sikap pengguna, bahkan tanpa kerja sama platform. Temuan ini menantang narasi bahwa polarisasi hanya didorong oleh perilaku pengguna dan menggarisbawahi tanggung jawab desain algoritmik dalam membentuk wacana publik.
