Forscher der Virginia Tech, geleitet von Alice Jang und Viswanath Venkatesh am Pamplin College of Business, untersuchten, warum soziale Medien oft ungewöhnliche Ereignisse hervorheben. Sie beschreiben das Phänomen als "Ausbreitung der Seltenheitsverzerrung".
Die Studie umfasst mehrere Experimente und ein Modell. Sie zeigt, dass Nutzer, die seltene oder einzigartige Inhalte häufig sehen, deren Häufigkeit überschätzen und eher ähnliche Inhalte teilen. In einem Experiment lasen Teilnehmende fiktive Szenarien über eine dystopische Stadt mit Monstern; am Ende teilten sie besonders oft das selten gesehene Szenario.
Zusätzlich bauten die Forschenden ein simuliertes Netz mit Tausenden von Nutzern und einzigartigen Inhalten. Die Ergebnisse deuten darauf hin, dass menschliche Vorurteile und der Wunsch nach Abwechslung zusammen mit Plattformdynamiken die Verbreitung seltener Informationen fördern, sodass das Gewöhnliche weniger sichtbar wird. Bewusstsein dafür kann negative Effekte mindern.
Schwierige Wörter
- seltenheitsverzerrung — Fehler, bei dem seltenes als häufig wahrgenommen wird
- überschätzen — für größer oder häufiger halten als es ist
- simuliertes netz — rechnerisches Modell eines sozialen Netzwerks
- vorurteil — voreingenommene Meinung ohne ausreichende GründeVorurteile
- plattformdynamik — Art, wie eine Onlineplattform Inhalte verbreitet oder verändertPlattformdynamiken
- verbreitung — Vorgang, wie etwas viele Leute erreicht
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Haben Sie schon einmal in sozialen Medien etwas Seltenes öfter gesehen als üblich? Warum könnte das passiert sein?
- Was könnten Plattformen Ihrer Meinung nach tun, damit gewöhnliche Informationen öfter sichtbar werden?
- Glauben Sie, dass Bewusstsein für dieses Phänomen negative Effekte mindern kann? Warum oder warum nicht?
Verwandte Artikel
Werkzeug verringert parteiische Verbitterung im X‑Feed
Forscher entwickelten eine Browser‑Erweiterung mit einem großen Sprachmodell, die antidemokratische Beiträge im X‑Feed herunterstuft, ohne Posts zu löschen. Ein Experiment während der Wahl 2024 zeigte eine kleine, aber messbare Verbesserung der Einstellungen.
Digitale Angriffe gegen Frauen in Ugandas Politik
Bei den Wahlen im Januar 2026 traten viele Frauen in Uganda an. Während des Wahlkampfs wurden Kandidatinnen online mit gefälschten Bildern, Deepfakes und sexualisierten Beleidigungen angegriffen. Technologie verstärkte bestehende Gewalt und erschwert politische Teilnahme.
Soziale Medien: Folgen für Lesen und Aufmerksamkeit
Neue Forschung zeigt: Regelmäßige Nutzung sozialer Medien in der frühen Jugend hängt mit schwächeren Lese- und Wortschatzfähigkeiten sowie Aufmerksamkeitsproblemen zusammen. Forschende empfehlen, Bildschirmzeit zu begrenzen und mit Smartphones zu warten.
Wahl in Bangladesch: Künstliche Intelligenz und Desinformation
Bei der Nationalwahl in Bangladesch spielte künstliche Intelligenz eine zentrale Rolle. Studien und Faktenprüfer fanden viele gefälschte Bilder, Videos und manipulierte Zitate, die den Wahlkampf und die öffentliche Wahrnehmung beeinflussten.
Automatische Strike-Entscheidungen verringern Vorteil berühmter Schlagleute
Eine Studie der University of Michigan zeigt, dass das Automated Ball-Strike (ABS)-System in der südkoreanischen KBO 2024 den Vorteil bekannter Schlagleute verringerte. Pitcher zeigten denselben Wandel nicht, und Forschende diskutieren mögliche Gründe.