Lupa

Izpis gradiva Pomoč

A- | A+ | Natisni
Naslov:Evaluating depolarization-oriented news ranking strategies using LLM-generated articles
Avtorji:ID Sergaš, Uroš (Avtor)
ID Tkalčič, Marko (Avtor)
ID Ferwerda, Bruce (Avtor)
Datoteke:.pdf RAZ_Sergas_Uros_2026.pdf (1,09 MB)
MD5: 3BECEB61C082BB3F97C8A90EA6D511B2
 
.pdf RAZ_Sergas_Uros_2026.pdf (1,09 MB)
MD5: 3BECEB61C082BB3F97C8A90EA6D511B2
 
Jezik:Angleški jezik
Vrsta gradiva:Neznano
Tipologija:1.08 - Objavljeni znanstveni prispevek na konferenci
Organizacija:FAMNIT - Fakulteta za matematiko, naravoslovje in informacijske tehnologije
Opis:Algorithmic news ranking and large language models (LLMs) increasingly mediate how citizens receive political information. While personalization is often criticized for reinforcing echo chambers, ranking has also been proposed as a lever for depolarization by shaping exposure to cross-cutting viewpoints. We test this claim in an online experiment (N=100, Prolific) using five LLM-generated news articles on gun legislation spanning pro–gun freedom to pro–gun control. All participants read the same articles; the only manipulation was article order, instantiated as a random baseline and six stance-aware depolarization-oriented strategies (counter-narrative sandwich, balanced alternation, and directional gradients). Pre–post questionnaires measured ideological self- placement (feeling thermometer) and affective evaluations of gun-control and gun-freedom advocates. Across six research questions, we find no statistically reliable evidence that any ranking strategy reduces ideological or affective polarization relative to the baseline, nor that stance-conditioned assignment improves outcomes. These results suggest that, under the constraints of a short, single-session, single-topic exposure study with LLM-generated article stimuli, article ordering alone did not produce detectable depolarization effects. The findings motivate future work to design longer-term, multi-topic, and more interactive solutions for mitigating affective polarization.
Ključne besede:news recommendation, political polarization, affective polarization, ranking strategies, large language models
Verzija publikacije:Objavljena publikacija
Leto izida:2026
Št. strani:Str. 118-126
PID:20.500.12556/RUP-23090 Povezava se odpre v novem oknu
UDK:004.8
ISSN pri članku:1613-0073
COBISS.SI-ID:280133891 Povezava se odpre v novem oknu
Datum objave v RUP:02.06.2026
Število ogledov:135
Število prenosov:6
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del zbornika

Naslov:UMAP-WS 2026
COBISS.SI-ID:280125443 Povezava se odpre v novem oknu

Gradivo je del revije

Naslov:CEUR workshop proceedings
Skrajšan naslov:CEUR workshop proc.
Založnik:M. Jeusfeld c/o Redaktion Sun SITE, Informatik V, RWTH Aachen.
ISSN:1613-0073
COBISS.SI-ID:12740630 Povezava se odpre v novem oknu

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:N2-0354-2024
Naslov:Določanje uporabniške izkušnje z računalniškim psihološkim modeliranjem

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Opis:Algoritemsko razvrščanje novic in veliki jezikovni modeli vse bolj posredujejo pri tem, kako državljani prejemajo politične informacije. Čeprav je personalizacija pogosto kritizirana, ker naj bi krepila odmevne komore, je bilo razvrščanje vsebin predlagano tudi kot vzvod za depolarizacijo, saj lahko oblikuje izpostavljenost navzkrižnim oziroma nasprotujočim si stališčem. To trditev preverjamo v spletnem eksperimentu (N = 100, Prolific) s petimi novičarskimi članki, ustvarjenimi z velikim jezikovnim modelom, o zakonodaji na področju orožja, ki zajemajo razpon od stališč v podporo svobodi posedovanja orožja do stališč v podporo nadzoru orožja. Vsi udeleženci so prebrali iste članke; edina manipulacija je bil vrstni red člankov, izveden kot naključna izhodiščna razvrstitev in šest strategij, usmerjenih v depolarizacijo ter prilagojenih stališčem udeležencev: sendvič nasprotne pripovedi, uravnoteženo izmenjevanje in usmerjeni gradienti. Vprašalniki pred branjem in po njem so merili ideološko samouvrstitev z lestvico občutka ter afektivne ocene zagovornikov nadzora orožja in zagovornikov svobode posedovanja orožja. V okviru šestih raziskovalnih vprašanj nismo našli statistično zanesljivih dokazov, da katera koli strategija razvrščanja v primerjavi z izhodiščno razvrstitvijo zmanjšuje ideološko ali afektivno polarizacijo, niti dokazov, da dodeljevanje strategij glede na stališče izboljšuje izide. Rezultati kažejo, da v pogojih kratke enosejne raziskave z eno temo in z novičarskimi dražljaji, ustvarjenimi z velikim jezikovnim modelom, sam vrstni red člankov ni povzročil zaznavnih depolarizacijskih učinkov. Ugotovitve utemeljujejo potrebo po prihodnjem delu, ki bi razvilo dolgoročnejše, večtematske in bolj interaktivne rešitve za blaženje afektivne polarizacije.
Ključne besede:priporočila novic, politična polarizacija, čustvena polarizacija, strategije razvrščanja, veliki jezikovni modeli


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici