Un nuovo studio dimostra che la manipolazione algoritmica dei feed dei social media può ridurre in modo misurabile la polarizzazione politica, anche senza la cooperazione della piattaforma. I ricercatori dell’Università di Washington e della Northeastern University hanno sviluppato un’estensione del browser che sfrutta i modelli linguistici di grandi dimensioni (LLM) per riordinare sottilmente i post nei feed degli utenti, spingendo verso il basso i contenuti estremi e, in alcuni casi, aumentandoli leggermente per il confronto. I risultati, pubblicati su Science, mostrano un chiaro impatto sull’atteggiamento degli utenti nei confronti dei gruppi politici opposti.
L’esperimento e i suoi risultati
Il nucleo dello studio ha coinvolto oltre 1.200 partecipanti che hanno utilizzato X (ex Twitter) con feed modificati durante il periodo precedente alle elezioni statunitensi del 2024. Un gruppo ha visto de-enfatizzare i contenuti polarizzanti, riducendone la visibilità; un altro lo vide amplificato. La scoperta chiave: coloro che sono stati esposti a post controversi e meno enfatizzati hanno riferito sentimenti più calorosi verso i gruppi politici opposti. Questo cambiamento è stato misurato utilizzando una scala di “termometro dei sentimenti”, in cui i partecipanti hanno valutato il loro sentimento. La variazione è stata in media di due o tre gradi, un effetto significativo considerando che il sentimento politico storico degli Stati Uniti cambia di circa tre gradi in tre anni.
Al contrario, i partecipanti che hanno visto contenuti polarizzanti potenziati hanno riferito sentimenti più freddi nei confronti dei gruppi opposti, dimostrando ulteriormente l’influenza dell’algoritmo. L’intervento ha influenzato anche le risposte emotive: meno tristezza e rabbia sono state segnalate da coloro che avevano contenuti de-enfatizzati.
Bypassare il controllo della piattaforma
Questa ricerca è innovativa perché aggira la tradizionale barriera allo studio dell’influenza algoritmica: l’accesso alla piattaforma. Invece di fare affidamento sulla collaborazione delle società di social media, che raramente garantiscono la piena trasparenza, i ricercatori hanno creato uno strumento che funziona in modo indipendente nei browser degli utenti. Come spiega Martin Saveski, coautore dell’Università di Washington, “Solo le piattaforme hanno avuto il potere di modellare e comprendere questi algoritmi. Questo strumento conferisce questo potere a ricercatori indipendenti.”
Questo metodo aggira l’approvazione della piattaforma, consentendo test nel mondo reale senza fare affidamento sulla volontà dei giganti della tecnologia di condividere dati o controllo.
Implicazioni e ricerca futura
Gli effetti a lungo termine di tali interventi rimangono poco chiari. Victoria Oldemburgo de Mello, psicologa dell’Università di Toronto, osserva che gli effetti osservati possono dissiparsi o aggravarsi nel tempo, evidenziando un’area cruciale per la ricerca futura. I ricercatori hanno reso il loro codice pubblicamente disponibile per incoraggiare ulteriori indagini e repliche.
Il quadro ha anche un potenziale che va oltre la polarizzazione politica. Il team prevede di esplorare interventi relativi al benessere e alla salute mentale, sfruttando gli LLM per analizzare e modificare i feed dei social media per vantaggi più ampi. Sebbene lo strumento attuale funzioni principalmente su piattaforme basate su browser, i ricercatori stanno esplorando modi per adattarlo all’uso con applicazioni mobili, il che presenta sfide tecniche ma rimane un obiettivo chiave.
Il successo dello studio dimostra che la manipolazione algoritmica dei feed dei social media può avere un impatto misurabile sugli atteggiamenti degli utenti, anche senza la cooperazione della piattaforma. Questa scoperta mette in discussione la narrazione secondo cui la polarizzazione è guidata esclusivamente dal comportamento degli utenti e sottolinea la responsabilità della progettazione algoritmica nel modellare il discorso pubblico.
