ソーシャルメディア、ニュース、 音楽、ショッピング、その他のサイトはすべて、レコメンダー システムに依存しています。レコメンダー システムは、個々のユーザーが見るものをパーソナライズするアルゴリズムです。 これらのシステムは 主に 各人がクリック、いいね、共有、購入などを行う予測。通常は「エンゲージメント」と略されます。 これらの反応は含むことができます 有用な情報 しかし、クリックベイトの存在が証明しているように、クリックしたからといって、それが良いとは限りません。
多くの批評家 口論 プラットフォームはエンゲージメントを最大化しようとするのではなく、長期的に何らかの尺度で最適化する必要があります 価値 ユーザー向け。 これらのプラットフォームで働く人々の一部は同意します: たとえば、メタや他のソーシャル メディア プラットフォームは、しばらくの間、 より直接的なフィードバックを取り入れる 推奨システムに。
過去 2 年間、私たちは Meta の従業員だけでなく、トロント大学、カリフォルニア大学バークレー校、MIT、ハーバード、スタンフォードなどの研究者と協力してきました。 カイスト、および非営利団体や擁護団体の代表者が、これらの取り組みを進めるための調査を行います。 これには、Facebook のフィード ランキングに対する実験的な変更が含まれます。これは、調査に参加することを選択したユーザーに対して、数か月にわたってフィードバックに対応できるようにするためです。
今年後半に開始する私たちの調査の仕組みは次のとおりです。オンラインで友人と過ごす時間や良いアドバイスを得るなど、ポジティブな経験を測定することを目的とした調査を使用して、Facebook フィードでの経験について参加者に 3 か月にわたって繰り返し尋ねます。 . (私たちの調査は、以前に検証された調査の修正版です。 オンラインソーシャルサポートスケール.) 次に、参加者のフィードにあったもの (たとえば、参加者が見たソースやトピック) と回答との関係をモデル化しようとします。 この予測モデルを使用して、実験を再度実行します。今回は、定期的な調査で測定された、時間の経過とともに最良の結果につながると思われるコンテンツを選択しようとします。
私たちの目標は、オンラインでの即時の反応に主に依存するのではなく、長期間にわたるユーザーの経験についてユーザーに尋ねることで、コンテンツ選択アルゴリズムを駆動することが技術的に可能であることを示すことです。
Meta やその他の企業が、使用している特定のアンケートの質問に優先順位を付ける必要があることを示唆しているわけではありません。 がある たくさんの方法 推奨事項の長期的な影響と価値を評価するためのものであり、使用する指標や競合する目標のバランスをとる方法については、まだコンセンサスが得られていません。 むしろ、このコラボレーションの目標は、どのように、潜在的に、 どれでも 調査尺度は、選択された長期的な結果に向けてコンテンツの推奨事項を推進するために使用できます。 これは、あらゆるプラットフォームのあらゆるレコメンダー システムに適用される可能性があります。 エンゲージメントは常に キー信号、この作業は、長期的な結果を含む他の情報を組み込むための原則と手法の両方を確立します。 これがうまくいけば、業界全体がユーザー エクスペリエンスの向上につながる製品を構築するのに役立つ可能性があります。
みたいな研究 レコメンデーション システムの改善方法を研究している研究者と、レコメンデーション システムを運用するプラットフォームとの間の深刻な不信が原因の 1 つです。 私たちの経験は、そのような実験を準備することがいかに難しいか、そしてそうすることの重要性を示しています。