Un team di ricerca ha messo a punto un'estensione web basata su un grande modello linguistico che valuta i post nel feed di X per individuare atteggiamenti antidemocratici e animosità partitica. Lo strumento riconosce elementi come inviti alla violenza o richieste di incarcerare avversari politici e riordina il feed dell'utente in pochi secondi, declassando o promuovendo quei contenuti senza rimuoverli e senza collaborazione diretta dalla piattaforma.
Per testare l'intervento, circa 1.200 volontari hanno usato lo strumento per 10 giorni durante le elezioni del 2024. In prove separate di sette giorni, gruppi di partecipanti hanno visto i loro feed con contenuti declassati, promossi o lasciati invariati. Chi ha visto i contenuti antidemocratici declassati ha riportato sentimenti più caldi verso persone del partito avverso; il punteggio medio su una scala da 1 a 100 è migliorato di due punti, una variazione paragonabile a quella stimata nella popolazione statunitense in tre anni.
I coautori principali, tra cui Martin Saveski e Tiziano Piccardi, sottolineano che lo strumento dà ai ricercatori esterni la possibilità di studiare il design degli algoritmi e mostra come l'esposizione ai contenuti mirati modifichi le sensazioni degli utenti. Il progetto unisce informatica dell'informazione, informatica, psicologia e comunicazione; le categorie usate per definire contenuti dannosi includevano il rifiuto della cooperazione bipartisan, lo scetticismo verso fatti che favoriscono l'altro partito e la disponibilità a rinunciare a principi democratici. Il team ha reso pubblico il codice e ha ricevuto sostegno da National Science Foundation, Swiss National Science Foundation e da una borsa Hoffman-Yee dello Stanford Institute for Human-Centered AI.
Parole difficili
- modello linguistico — programma che elabora e genera testo naturalegrande modello linguistico
- animosità partitica — ostilità o avversione tra fazioni politiche
- declassare — abbassare la visibilità di un contenuto onlinedeclassando, declassati
- promuovere — aumentare la visibilità o diffusione di contenutipromuovendo
- partito avverso — il gruppo politico contrario al proprio partito
- esposizione — atto di essere esposti a informazioni o messaggi
- coautore — persona che ha contribuito alla stesura di uno studiocoautori
- sostegno — aiuto finanziario o supporto a un progetto
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Quali vantaggi e rischi vedi nell'uso di estensioni esterne che riordinano i feed sui social?
- Come potrebbe cambiare il dibattito politico online se contenuti antidemocratici venissero regolarmente declassati?
- In che modo la pubblicazione del codice del team può influire sulla ricerca e sulla fiducia del pubblico?
Articoli correlati
Calcio, identità e politica: da Marías al Tractor in Iran
Il calcio connette memoria, identità ed emozioni. Scrittori come Javier Marías riflettono sul suo valore culturale, mentre la vittoria del Tractor S.C. in Iran è diventata un simbolo di resistenza della popolazione turca del paese.
Proteste a Belgrado il 28 giugno: media, polizia e reazioni
Un'analisi di Nataša Stanojević pubblicata da ISAC e ripubblicata da Global Voices esamina la copertura mediatica e le reazioni politiche alle proteste del 28 giugno a Belgrado, con circa 140.000 partecipanti e molti arresti.
Social media e la vendita illegale di carne selvatica in Africa occidentale
Uno studio pubblicato su One Health avverte che i social media possono aumentare la vendita illegale di carne selvatica in Africa occidentale, minacciando la biodiversità e aumentando il rischio di malattie che passano dagli animali all’uomo.
L'intelligenza artificiale nella sanità dell'Africa subsahariana
Progetti con algoritmi e smartphone stanno cambiando l'assistenza primaria in alcune aree dell'Africa subsahariana. Studi e piloti mostrano diagnosi più rapide, meno prescrizioni inappropriate e riduzione di alcune complicanze.