Quan menys és més: l'efecte "few-get-richer" pot explicar com es propaguen les “fake news”
Quan menys és més: l'efecte "few-get-richer" pot explicar com es propaguen les “fake news”
Segons un treball de Fabrizio Germano, Vicenç Gómez i Gaël Le Mens, investigadors dels Departaments d’Economia i Empresa i de Tecnologies de la Informació i les Comunicacions, de la UPF, que acaba de ser acceptat a la conferència internacional The Web Conference, que se celebrarà del 13 al 17 de maig a San Francisco (EUA).
“La motivació d'aquest treball s'emmarca en el fet, cada vegada més rellevant, que els algorismes a Internet influencien la nostra societat”, afirma Vicenç Gómez, investigador del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) i coautor de l’estudi recentment acceptat a The Web Conference, un dels certàmens més importants a nivell internacional i que se celebrarà del 13 al 17 de maig a San Francisco (EUA). Un treball que Gómez presentarà conjuntament amb Fabrizio Germano i Gaël Le Mens, ambdós investigadors del Departament d’Economia i Empresa, de la UPF. El treball pertany a un projecte finançat pel Consell Europeu d'Investigació (ERC), en el marc del programa d'investigació i innovació de la Unió Europea Horitzó 2020 (acord de subvenció n ° 772268), i pel Ministeri d'Economia i Empresa, a través del Programa Ramon i Cajal.
Els algorismes de rànquing es troben arreu a Internet
“Per aquest treball en particular, hem considerat els algorismes de rànquing que proporcionen llistes ordenades d'elements com a resultat d'una consulta dels usuaris”, afirmen els autors. A Internet, aquests tipus d’algorismes els trobem per tot arreu. Per exemple, quan fem una cerca a Google i ens mostra un llistat de resultats; en els sistemes de recomanació personalitzats; quan ens llisten les notícies estimades rellevants per a nosaltres; quan ens recomanen visualitzar determinats vídeos a Youtube, etc., etc.
S’ha identificat un efecte sorprenent: el “few-get-ritcher”, present en aquells algorismes de rànquing que fan servir la "popularitat" com a criteri per ordenar els elements d’una llista
El resultat més rellevant de l’estudi dut a terme per aquests investigadors de la UPF ha estat la identificació d'un efecte sorprenent que els autors han anomenat "few-get-richer" i que els autors creuen està present en aquells algorismes de rànquing que fan servir la "popularitat" com a criteri per ordenar els elements d’una llista.
El criteri de popularitat es basa en el principi segons el qual quants més “clics” rep una opció determinada, més a dalt situen aquesta opció en un rànquing. Existeixen molts estudis que confirmen que molts serveis en línia segueixen aquest principi amb la qual cosa creen un biaix, atès que la popularitat d'un ítem no necessàriament implica la seva elevada qualitat o rellevància.
L'efecte "few-get-richer", descrit en aquest treball, diu el següent: quan hi ha dos tipus (o més) d'elements en el rànquing (per exemple, notícies falses i autèntiques), el número total de clics que rep un tipus concret decreix amb el número d'elements d'aquest tipus. Per exemple, si hi ha vint notícies, el número total de clics en notícies falses serà superior quan hi ha només tres de falses, que quan hi ha disset”, expliquen els autors.
Perquè això passi han d'existir persones molt interessades en els diferents tipus de notícies i, a més a més, persones sense preferència respecte el tipus. Aquest efecte, en principi en contra de la intuïció, s'explica pel següent motiu: si hi ha molt poques notícies falses que inicialment són poc populars, tots els clics de les persones interessades en notícies falses es concentraran molt. Aquesta concentració provocarà que les poques notícies falses ràpidament pugin posicions perquè són més clicades. Una vegada a dalt del rànquing, aquestes notícies atrauran l'atenció, no només dels usuaris interessats en notícies falses, si no també dels que no tenen preferència respecte el tipus.
“El nostre treball parteix d'una anàlisi prèvia que havien fet Fabrizio Germano i Francesco Sobbrio, investigadors del Departament d'Economia de la UPF. Per a l'article, que ha estat acceptat a la conferència de The Web Conference 2019, hem enriquit el model amb simulacions que demostren que l'efecte "few-get-richer" és robust en moltes condicions diferents”, comenta Vicenç Gómez.
Un experiment que ha comptat amb 786 participants
Els autors del treball han dut a terme un experiment comptant amb la col·laboració d’Amazon Mechanical Turk i 786 persones participants. L'experiment presentava als participants una llista ordenada de fotografies de gats i gossos i actualitzava aquesta llista segons els clics dels participants, de manera que un nou participant veia les fotografies ordenades per popularitat, segons els clics dels usuaris anteriors. El cas més interessant, d'acord amb les prediccions del model, va ser veure com el total de clics en fotografies de gossos era més elevat quan hi havia només tres gossos (i disset gats) que quan hi havia disset gossos (i només tres gats).
L'efecte "few-get-richer" descrit pels autors del treball requereix de l'efecte "rich-get-richer" una vegada els elements de classe minoritària arriben a posicions altes en el rànquing
Aquest fenomen, en certa manera, complementa al que es coneix com a efecte "rich-get-richer", que en aquest cas ens diu que els elements més populars tendeixen a ser encara més populars. De fet, l'efecte "few-get-richer" descrit pels autors del treball requereix de l'efecte "rich-get-richer" una vegada els elements de classe minoritària arriben a posicions altes en el rànquing.
Regular la propagació de notícies falses o trencar les bombolles d’informació
Les implicacions d'aquest efecte són diverses. Per exemple, si es vol regular la propagació de notícies falses eliminant algunes fonts de notícies en particular i deixant d’altres, es podria causar l'efecte contrari al volgut, ja que aquelles altres fonts de notícies falses acumularan molt més tràfic. També, en sistemes de recomanació, una manera de trencar les bombolles d'informació és incentivar que els usuaris explorin a partir de la introducció de recomanacions aleatòries.
“El nostre anàlisi prediu que introduir més elements aleatoris, precisament disminueix l’exploració. En aquests escenaris, pensem que una possible manera de neutralitzar l'efecte hauria de tenir en compte el número d'elements de cada classe, i incorporar aquesta informació alhora de decidir la popularitat "efectiva" per l'algorisme de rànquing”, comenta Gómez.
Les implicacions de tot plegat però, no sempre han de ser negatives. Per exemple, pel mateix principi, “si volem donar rellevància a un conjunt petit d'elements, l'efecte "few-get-richer" pot ajudar a fer aquests elements més accessibles, posant-los a dalt del rànquing”, conclouen els autors.
Treballs de referència:
Fabrizio Germano, Vicenç Gómez, Gaël Le Mens (2019), “The few-get-richer: a surprising consequence of popularity-based rankings”, WWW’19. The Web Conference, San Francisco, EUA, 13-17 de maig.
Fabrizio Germano, Francesco Sobbrio (2018), "Opinion Dynamics via Search Engines (and other Algorithmic Gatekeepers)", Computer Science Social and Information Networks, setembre.