Key points are not available for this paper at this time.
Os recentes aumentos na polarização política em todo o mundo são frequentemente atribuídos à filtragem de conteúdo algorítmica em mídias sociais, plataformas de notícias ou motores de busca. O uso generalizado de sistemas de recomendação de notícias (SRN) é teorizado para conduzir os usuários a ambientes informacionais homogêneos e, assim, gerar polarização afetiva, ideológica e percebida. Para testar essa suposição, conduzimos um experimento online (n = 750) com algoritmos que enriquecem os SRNs baseados em conteúdo com sentimento negativo ou neutro. Nosso experimento encontra apenas evidências limitadas dos efeitos de polarização dos SRNs baseados em conteúdo. No entanto, o tempo gasto com um SRN e seus artigos recomendados parece desempenhar um papel crucial como moderador da polarização. Quanto mais tempo os participantes usaram um SRN enriquecido com sentimento negativo, mais se polarizaram afetivamente, enquanto os participantes que usaram um SRN incorporando sentimento equilibrado se despolarizaram ideologicamente ao longo do tempo. Implicações para pesquisas futuras são discutidas.
Ludwig et al. (Sun,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: