独立于平台的实验表明，调整 X 平台信息流可改变用户的政治态度

一项新实验采用了独立于 X 平台算法的由 AI 驱动的浏览器扩展程序来重新排序 X 平台（前身为 Twitter）上的信息流；该实验表明，即使所接触的仅是敌对政治内容的微小变化，也能够在数天内显著影响用户对反对党的观感。这些发现为算法所控帖子排名对用户社交媒体信息流会有影响提供了直接的因果证据。社交媒体已成为全球许多人获取政治信息的重要来源。然而，平台算法对我们在浏览过程中所接触的内容施加了强大的影响力，因为这些算法能以种种难以理解的方式悄然左右人们的思想、情绪和行为。尽管人们就这些排名算法影响我们的方式提出了诸多解释，但要验证这些理论却异常困难。这是因为平台运营方独自掌控着其专有算法的运行方式，而且只有他们才能尝试不同信息流设计并评估其因果效应。为规避这些难题，Tiziano Piccardi 和同事研发了一种新颖的方略，后者能令研究人员在人们浏览社交媒体信息流时对信息流实时进行重新排序，而这一过程无需获得平台本身的许可。Piccardi 等人创建了一个轻量级的非侵入式浏览器扩展程序（很像一个能实时拦截并重塑 X 平台网络信息流的广告拦截器），它能利用基于大型语言模型的分类器而根据内容对帖子进行评估和重新排序。该工具使作者能够系统地识别和改变表达反民主态度和党派敌意（AAPA）的内容在用户信息流中的呈现方式，并在受控的实验条件下观察其影响。

在 2024 年美国总统大选的一段动荡期中对 X 平台进行的为期 10 天的现场实验共有 1256 名参与者，他们被随机分配到 AAPA 内容含量增加、减少或不变的信息流中。Piccardi 等人发现，与对照组相比，减少与 AAPA 内容的接触能使人们对敌对政党产生较为友善的感觉，并在满分为 100 分的量表上令基线值偏移 2 分以上。增加与 AAPA 内容的接触则会导致人们对敌对政党产生类似幅度的但感受较为冷漠的转变。作者认为，所观察到的这些效应颇为可观，大致相当于在干预期间三年情感极化所导致的变化，尽管这些效应是否历久不衰则仍属未知。更重要的是，这些转变似乎并未不成比例地集中于任何的特定用户群体。这些转变也延伸到情绪体验层面：参与者通过信息流中的嵌入式简短问卷调查报告了愤怒和悲伤情绪的变化；表明算法介导的与政治敌意内容的接触既能塑造情感极化，也能实时调控用户在使用平台过程中的瞬时情绪反应。

Jennifer Allen 和 Joshua Tucker 在一篇相关的《视角》中写道：“一项（或一组）研究永远不会成为社交媒体如何影响政治态度的定论。适用于 Facebook 的结论可能不适用于 TikTok，而四年前适用于 Twitter 的结论也可能与如今的 X 无关。未来前行的方向在于拥抱创造性研究，构建与时俱进的研究方法。Piccardi 等人提出了一种实现这一目标的可用工具。”