You See It, They Don't: An Exploratory Study of User-to-User Variation in Instagram Comments
Diese explorative Studie zeigt, dass das neue KI-gestützte System zur Kommentarrangierung von Instagram bei Nachrichtenbeiträgen weniger Variation in den sichtbaren Kommentaren erzeugt als bei Nicht-Nachrichten-Beiträgen, wobei die Unterschiede stärker durch Beitragsmetriken als durch Nutzerattribute wie Geschlecht, politische Ausrichtung oder Standort bedingt sind.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich Instagram als einen riesigen, geschäftigen Marktplatz vor. Seit Jahren sah jeder, der auf diesem Platz stand, dasselbe Schwarzes Brett: Die Top-Kommentare unter einem Beitrag waren für alle gleich, wie eine feste Liste der lautesten Stimmen.
Doch im März 2025 installierte der Bürgermeister der Stadt (Meta) einen neuen, unsichtbaren KI-Bibliothekar. Dieser Bibliothekar zeigt Ihnen nicht einfach dieselbe Liste; er kuratiert eine „personalisierte" Liste der Top-Kommentare basierend darauf, wer Sie sind. Die Sorge lautete: „Wenn der Bibliothekar einer konservativen Person ein Set von Kommentaren zeigt und einer liberalen Person ein völlig anderes Set, hören wir dann auf, einander zu hören, und beginnen, in getrennten Realitäten zu leben?"
Dieser Artikel beschreibt ein kleines Experiment, um zu prüfen, ob dieser Bibliothekar tatsächlich genau das tut.
Das Experiment: Vier „Geister"-Käufer
Um dies zu testen, erstellten die Forscher vier „Sock-Puppet"-Konten (gefälschte Benutzerprofile, die wie echte Menschen agieren). Sie verliehen diesen Geistern spezifische Persönlichkeiten:
- Eine weibliche Demokratin
- Eine weibliche Republikanerin
- Ein männlicher Demokrat
- Ein männlicher Republikaner
Sie schickten diese Geister auch an zwei verschiedene „Standorte" (unter Verwendung digitaler Tunnel, sogenannter VPNs, in New York und Texas), um zu sehen, ob die Geografie beeinflusste, was sie sahen.
Dann ließen sie diese Geister 200 verschiedene Beiträge ansehen: 100 von Nachrichtenkonten (wie CNN oder Fox News) und 100 von unterhaltsamen, nicht-nachrichtenbezogenen Konten (wie Katzenliebhaber oder Sportfans). Sie stellten die Frage: „Wenn diese vier verschiedenen Geister denselben Beitrag ansehen, sehen sie dann unterschiedliche Top-Kommentare?"
Die überraschenden Ergebnisse
Die Forscher erwarteten, dass die Geister sehr unterschiedliche Listen sehen würden, insbesondere bei Nachrichtenbeiträgen. Sie glaubten, die KI würde Kommentare aggressiv sortieren, um sie den politischen Ansichten des Nutzers anzupassen.
Stattdessen fanden sie das Gegenteil:
- Der „Geister"-Effekt war gering: Im Durchschnitt sahen die vier verschiedenen Geister dieselben Top-Kommentare in 88 % der Fälle. Nur etwa 12 % der Kommentare änderten sich, je nachdem, wer hinschaute.
- Nachrichten sind stabiler als Unterhaltung: Überraschenderweise waren die Kommentare bei Nachrichtenbeiträgen weniger wahrscheinlich zu ändern als die Kommentare bei Unterhaltungsbeiträgen (wie Katzen oder Essen). Die KI schien für Nachrichten eine konsistentere Liste anzuzeigen als für Unterhaltung.
- Wer Sie sind, ist weniger wichtig als der Beitrag: Die Forscher glaubten, dass das Geschlecht oder die politische Neigung des Nutzers der Hauptgrund für die Unterschiede sein würde. Sie lagen falsch. Die größten Faktoren waren tatsächlich wie beliebt der Beitrag war (wie viele Follower das Konto hat) und wie viele Kommentare er bereits hatte.
- Vergleich: Stellen Sie sich ein beliebtes Restaurant vor. Ob Sie Vegetarier oder Fleischesser sind, wenn das Restaurant voll ist und alle dasselbe Gericht bestellen, wird die Speisekarte, die der Kellner Ihnen zeigt, gleich aussehen. Die „Menge" (Kommentaranzahl) ist wichtiger als Ihr persönlicher Geschmack.
- Die Reihenfolge ändert sich, auch wenn die Liste gleich bleibt: Während die Liste der Kommentare größtenteils gleich war, war die Reihenfolge, in der sie erschienen, sehr unterschiedlich.
- Vergleich: Stellen Sie sich eine Wiedergabeliste vor. Jeder könnte dieselben 10 Songs hören, aber für die Demokratin ist der erste Song eine Ballade, und für den Republikaner ist der erste Song eine Rock-Hymne. Der Inhalt ist da, aber die Betonung ist verschoben.
Was dies bedeutet (und was nicht)
Der Artikel kommt zu dem Schluss, dass die KI zwar die Reihenfolge der Kommentare personalisiert, aber noch nicht ganze Kommentare für verschiedene Nutzer drastisch ausblendet. Der „Filterblasen"-Effekt bei den Top-Kommentaren ist schwächer als erwartet, zumindest für dieses spezifische Setup.
Die Autoren sind jedoch vorsichtig und betonen, dass dies nur ein „erster Blick" ist.
- Das „Neuling"-Problem: Die gefälschten Konten waren neu. Die KI kennt sie möglicherweise noch nicht gut genug, daher zeigt sie eine „Standard"-Liste. Wenn die Konten älter werden und die KI mehr über sie lernt, könnten die Unterschiede wachsen.
- Die „Echokammer"-Realität: Die Forscher stellten fest, dass bei Nachrichtenbeiträgen die Top-Kommentare ohnehin meist mit der Nachrichtenquelle übereinstimmten (z. B. rechtsextreme Kommentare auf einer rechtsextremen Nachrichtenseite). Selbst ohne die KI waren die Kommentare also bereits polarisiert. Die KI zeigte einfach weiterhin dieselben „einvernehmlichen" Kommentare für alle.
Das Fazit
Betrachten Sie diese Studie als das Überprüfen des Thermostats in einem neuen Haus. Die Forscher wollten wissen, ob der Thermostat für einige auf „Frost" und für andere auf „Heizung" eingestellt war. Sie stellten fest, dass die Temperatur vorerst für alle weitgehend gleich ist (nur ein Unterschied von 12 %), aber die Lüftergeschwindigkeit (die Reihenfolge der Kommentare) definitiv unterschiedlich ist.
Der Artikel behauptet nicht, dies sei die endgültige Antwort oder dass das System perfekt sei. Er sagt einfach: „Wir haben geprüft, und die Personalisierung ist noch nicht so extrem, wie wir befürchteten, aber wir müssen weiter beobachten, da das System noch lernt."
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.