يمكن للمنصات تحسين المقاييس التي تتجاوز المشاركة

وسائل التواصل الاجتماعي والأخبار تعتمد الموسيقى والتسوق والمواقع الأخرى على أنظمة الاقتراحات: الخوارزميات التي تخصص ما يراه كل مستخدم على حدة. هذه الأنظمة مدفوعة إلى حد كبير بالتنبؤات حول ما سينقر عليه كل شخص ، ويحبونه ، ويشاركونه ، ويشتريه ، وما إلى ذلك ، وعادة ما يتم اختصاره على أنه “تفاعل”. يمكن أن تحتوي ردود الفعل هذه على معلومات مفيدة حول ما هو مهم بالنسبة لنا ، ولكن – كما يثبت وجود clickbait – لا يعني مجرد النقر فوقها أنها جيدة.

يجادل العديد من النقاد بأن المنصات يجب ألا تحاول زيادة المشاركة ، ولكن بدلاً من ذلك تحسين بعض المقاييس للقيمة طويلة الأجل للمستخدمين. يوافق بعض الأشخاص الذين يعملون في هذه المنصات على أن: Meta ومنصات الوسائط الاجتماعية الأخرى ، على سبيل المثال ، تعمل منذ بعض الوقت على دمج المزيد من التعليقات المباشرة في أنظمة التوصية.

على مدار العامين الماضيين ، كنا نتعاون مع موظفي Meta – بالإضافة إلى باحثين من جامعة تورنتو ، وجامعة كاليفورنيا في بيركلي ، ومعهد ماساتشوستس للتكنولوجيا ، وهارفارد ، وستانفورد ، و KAIST ، بالإضافة إلى ممثلين من المنظمات غير الربحية ومنظمات المناصرة – لإجراء البحوث التي تعزز هذه . جهود. يتضمن هذا تغييرًا تجريبيًا في ترتيب موجز Facebook – للمستخدمين الذين يختارون المشاركة في دراستنا – من أجل جعله يستجيب لملاحظاتهم على مدار عدة أشهر.

إليك كيفية عمل دراستنا ، التي سيتم إطلاقها في وقت لاحق من هذا العام: على مدار ثلاثة أشهر ، سنسأل المشاركين مرارًا وتكرارًا عن تجاربهم على موجز Facebook باستخدام استطلاع يهدف إلى قياس التجارب الإيجابية ، بما في ذلك قضاء الوقت على الإنترنت مع الأصدقاء والحصول على نصائح جيدة . . (الاستبيان الخاص بنا هو نسخة معدلة من مقياس الدعم الاجتماعي عبر الإنترنت الذي تم التحقق من صحته مسبقًا.) ثم سنحاول نمذجة العلاقة بين ما كان موجودًا في موجز المشارك – على سبيل المثال ، المصادر والموضوعات التي شاهدوها – وإجاباتهم بمرور الوقت. باستخدام هذا النموذج التنبئي ، سنقوم بعد ذلك بإجراء التجربة مرة أخرى ، هذه المرة في محاولة لتحديد المحتوى الذي نعتقد أنه سيؤدي إلى أفضل النتائج بمرور الوقت ، كما تم قياسه بواسطة الاستطلاعات المتكررة.

هدفنا هو إظهار أنه من الممكن تقنيًا توجيه خوارزميات اختيار المحتوى من خلال سؤال المستخدمين عن تجاربهم على مدار فترة زمنية طويلة ، بدلاً من الاعتماد بشكل أساسي على ردود أفعالهم الفورية عبر الإنترنت.

نحن لا نقترح أن تقوم Meta ، أو أي شركة أخرى ، بإعطاء الأولوية لأسئلة الاستطلاع المحددة التي نستخدمها. هناك العديد من الطرق لتقييم تأثير التوصيات على المدى الطويل وقيمتها ، ولا يوجد حتى الآن أي إجماع على المقاييس التي يجب استخدامها أو كيفية تحقيق التوازن بين الأهداف المتنافسة. بدلاً من ذلك ، الهدف من ذلك هو إظهار كيفية التعاون المحتمل أي يمكن استخدام مقياس الاستطلاع لدفع توصيات المحتوى نحو النتائج المختارة على المدى الطويل. يمكن تطبيق هذا على أي نظام توصية على أي منصة. في حين أن المشاركة ستكون دائمًا إشارة رئيسية ، فإن هذا العمل سيؤسس كلاً من المبدأ والتقنية لدمج المعلومات الأخرى ، بما في ذلك النتائج طويلة المدى. إذا نجح ذلك ، فقد يساعد الصناعة بأكملها على بناء منتجات تؤدي إلى تجارب مستخدم أفضل.

دراسة مثل لم يتم تنفيذ نظامنا من قبل ، ويرجع ذلك جزئيًا إلى انعدام الثقة الشديد بين الباحثين الذين يدرسون كيفية تحسين أنظمة التوصية والمنصات التي تشغلها. توضح تجربتنا مدى صعوبة ترتيب مثل هذه التجربة ، ومدى أهمية القيام بذلك.

جاء المشروع من محادثات غير رسمية بين باحث مستقل ومدير منتج Meta منذ أكثر من عامين. ثم قمنا بتجميع الفريق الأكاديمي ، وكذلك الباحثين من المنظمات غير الربحية ومجموعات المناصرة ، للمساعدة في الحفاظ على التركيز على المنفعة العامة. ربما كنا ساذجين ، لكننا فوجئنا برفض الأشخاص الذين وافقوا مع ذلك على أننا نطرح أسئلة قيمة. مرت بعض المنظمات بسبب مخاطر الاتصالات ، أو لأن بعض موظفيها جادلوا بأن التعاون مع Big Tech هو جهود علاقات عامة في أحسن الأحوال ، إن لم يكن غير أخلاقي تمامًا.