Uutiset

Algoritmi voi luoda sopua Clintonin ja Trumpin kannattajien välille

Twitter-tutkimus osoitti, että vastakkainasettelua voidaan vähentää verkostoja yhdistämällä.
Yhdysvaltain vaaleja kuvaavassa uudelleentwiittausverkostossa jokainen piste kuvaa yhtä Twitter-käyttäjää ja pisteiden välissä oleva kaari kertoo uudelleentwiittauksesta. Punaisella merkityt republikaanit ja sinisellä merkityt demokraatit keskittyvät omien käyttäjiensä suosittelemiseen Kuva: Kiran Garimella / Aalto-yliopisto.

Huoli yhteiskunnan polarisoitumisesta on kasvussa, ja esimerkiksi Maailman talousfoorumi nosti sen uhaksi maailmanlaajuisia riskejä käsittelevässä raportissaan. Yhtenä kasvavan vastakkainasettelun syynä on pidetty sosiaalista mediaa. Aalto-yliopiston, HIIT:n ja Qatar Computing Research Instituten tutkijat loivat algoritmisia menetelmiä, jotka voivat tuoda vastakkaisia mielipiteitä esittäviä ihmisiä lähemmäs toisiaan ja arvioivat menetelmiä Twitter-aineiston avulla. Julkaisu sai vastikään parhaan opiskelijatyön palkinnon verkkohakua ja tiedonlouhintaa käsittelevässä WSDM 2017 -konferenssissa.

Tutkijat tarkastelivat Twitter-käyttäjien yksittäisten aiheiden, kuten Yhdysvaltain presidentinvaalien ja Obamacare-terveydenhuoltouudistuksen, ympärille muodostamia vuorovaikutusverkostoja. Ristiriitoja aiheuttavien aiheiden kohdalla on tyypillistä, että verkostoissa on havaittavissa kaksi toisistaan selkeästi erottuvaa ryhmittymää. Nyt luodut algoritmiset menetelmät luovat siltoja ryhmien välille ehdottamalla käyttäjälle uusia seurattavia vastapuolta edustavien joukosta, mikä vähentää tehokkaasti polarisaatiota.

"Ehdotimme ensimmäisinä täysin algoritmista ratkaisua, jota voidaan soveltaa laajamittaisesti kielestä ja aihealueesta riippumatta. Pääalgoritmin avulla havaitsimme, että tietyntyyppisessä verkostossa, joka simuloi polarisoitumista, yhdyssiteet toimivat parhaiten, kun ne on muodostettu vastakkaisia näkemyksiä edustavien puolten verkottuneimpien käyttäjien välille", kertoo professori Aristides Gionis Aalto-yliopiston tietotekniikan laitokselta.

Optimaalisesta toteuttamiskelpoiseen

Tutkimuksessa käsiteltiin uudelleentwiittausverkostoja, joissa hyvin verkottuneet käyttäjät ovat yleensä tunnettuja ja heillä on monia seuraajia. Esimerkiksi Yhdysvaltain vaalien tapauksessa kaksi vastakkaista puolta ovat demokraatit ja republikaanit, ja niiden verkottuneimmat käyttäjät Hillary Clinton ja Donald Trump. Teoriassa yhteyden luominen heidän välilleen esimerkiksi suosittelemalla, että Clinton seuraisi Trumpia, olisi optimaalisin ratkaisu – muttei toteuttamiskelpoisin.

"Yhdysvaltain vaalituloksia käsittelevissä Twitter-keskusteluissa algoritmi ehdottaa vastakkainasettelun suurinta mahdollista vähentämistä luomalla yhteyden käyttäjien @hillaryclinton ja @breitbartnews välille. Koska kyseisen yhdyssiteen muodostuminen ei kuitenkaan ole erityisen todennäköistä, algoritmi ehdottaa seuraavaksi yhdyssiteen luomista vähemmän verkottuneiden Twitter-käyttäjien välille, kuten esimerkiksi vapaa journalisti @mtracey ja konservatiiviaktivisti @rightwingangel", kertoo tutkija Kiran Garimella.

Uusi lähestymistapa saa aikaisempia tutkimuksia tehokkaammin aikaan lähentymistä vastakkaista näkemystä edustavien ryhmittymien välille. Tulevaisuudessa tutkijat Kiran Garimella ja Aristides Gionis (Aalto-yliopisto), Michael Mathioudakis (Aalto-yliopisto ja Helsinki Institute for Information Technology -tutkimuslaitos (HIIT)) ja Gianmarco De Francisci Morales (Qatar Computing Research Institute – tutkimusinstituutti) aikovat siirtää painopistettä henkilöiden suosittelemisesta sisällön suosittelemiseen.

Lisätietoa:

Kiran Garimella
Tutkija
Aalto-yliopisto
[email protected]
+358 50 430 4933

Aristides Gionis
Professori
Aalto-yliopisto
[email protected]
Puh. +358 50 430 1651

Artikkeli: Reducing Controversy by Connecting Opposing Views

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

KTT Sami Itani
Tutkimus ja taide Julkaistu:

Tohtorin urapolku: esittelyssä toimitusjohtaja Sami Itani

“Tohtoriopinnot – kuten lähes kaikki tietotyöt myös yrityselämässä - ovat tiimiperusteista projektityötä, jossa itse pääsee toimimaan oman työnsä projektipäällikkönä.”
kaksi naista istuu punaisilla tuoleilla studiossa keskustelemassa, taustalla musta verho ja keltainen lattia
Tutkimus ja taide, Opinnot Julkaistu:

Mitä voimme oppia pandemiasta?

Aalto-yliopiston studiokeskustelussa pohdittiin, millaisen tulevaisuuden rakennamme pandemiasta saatujen oppien pohjalta.
Machine Learning Coffee Seminar logo in purple and white colours
Tutkimus ja taide Julkaistu:

Machine Learning Coffee Seminar -sarja jatkuu kiinnostavilla puheilla

MLCS-sarja tuo yhteen eri tieteenalojen osaajia, joita yhdistää ainakin yksi asia: kiinnostus koneoppimiseen.
Aalto logo
Tutkimus ja taide, Yliopisto Julkaistu:

Professorit Markus Linder ja Tapani Vuorinen Suomalaisen Tiedeakatemian jäseniksi

Aalto-yliopiston kemian tekniikan korkeakoulusta biomolekulaaristen materiaalien professori Markus Linder ja puunjalostuksen kemian professori Tapani Vuorinen on valittu uusiksi jäseniksi Suomalaiseen Tiedeakatemiaan.