Algoritmi voi luoda sopua Clintonin ja Trumpin kannattajien välille
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.
³¢¾±²õä³Ù¾±±ð³Ù´Ç²¹:
Kiran Garimella
Tutkija
Aalto-yliopisto
kiran.garimella@aalto.fi
+358 50 430 4933
Aristides Gionis
Professori
Aalto-yliopisto
aristides.gionis@aalto.fi
Puh. +358 50 430 1651
Artikkeli:
Lue lisää uutisia
ACRIS-järjestelmä jälleen käytettävissä
ACRIS-tutkimustietojärjestelmä on jälleen käytössä 13.–20.4.2026 toteutetun huoltokatkon jälkeen.
Tieteen äänen on pakko kuulua yhteiskunnassa – mutta miten?
Luottamus tieteeseen on laskenut Suomessa lähes kymmenen prosenttiyksikköä kahdessa vuodessa.
Tutustu startuppiimme: Proteins.1 tähtää läpimurtoon sairauksien varhaisessa tunnistamisessa
Biotekniikka-startup Proteins.1 kehittää teknologiaa, joka voi mahdollistaa sairauksien, kuten syövän, tunnistamisen kuukausia tai jopa vuosia nykyistä aiemmin. Ratkaisuna on yksittäisten proteiinien havaitseminen verinäytteestä.