Соцсети меняют правила игры: новый алгоритм снижает разобщенность людей

Российские ученые разработали алгоритм, который...

Pixabay

Российские ученые из МФТИ и РАН предложили метод оптимизации алгоритмов рекомендаций в социальных сетях, который поможет снизить уровень разобщенности пользователей и повысить эффективность объединений для социальных проектов.

На сегодняшний день в мире существует более пяти миллиардов пользователей социальных сетей, и с этим растет проблема их разобщенности. Это явление, известное как онлайн-сегрегация, происходит из-за того, что пользователи предпочитают общаться с теми, чьи взгляды и интересы совпадают с их собственными. Таким образом, социальные сети усиливают разделение по различным признакам, создавая закрытые и враждебные сообщества.

Чтобы решить эту проблему, группа российских ученых из Института проблем управления РАН, МФТИ и ТГУ разработала модель оптимизации рекомендаций в соцсетях. Согласно исследованиям, многие платформы основывают свои рекомендации на количестве общих друзей, что приводит к усилению сегрегации. Однако ученые предложили изменить этот подход. Для снижения разобщенности важно сокращать зависимость от числа общих друзей и делать акцент на расширение контактов, учитывая не более 1–3 совместных знакомств.

Исследования, опубликованные в академическом журнале Online Social Networks and Media, показали, что, если рекомендации основываются на большем числе общих знакомых, это только усиливает сегрегацию. Наоборот, если для поиска новых контактов использовать 1-3 общих знакомых, это способствует уменьшению разобщенности.

Для проверки новой модели ученые использовали данные российского сервиса «ВКонтакте» и искусственные социальные сети. Результаты показали, что предложенные методы действительно помогают снижать сегрегацию.

Этот алгоритм может быть полезен не только для социальных сетей, но и для привлечения людей к совместной реализации крупных социальных проектов, таких как волонтерские объединения, спортивные клубы или политические партии. В маркетинге данный метод может стать основой для повышения лояльности к бренду и привлечения новых сторонников.

Источник: Naked-Science.