獎勵參與度與個性化排序如何加劇網路極端化與兩極化現象
arXiv - Computers and SocietyJacopo D'Ignazi, Emma Fraxanet Morales, Andreas Kaltenbrunner, Ga\"el Le Mens, Fabrizio Germano, Vicen\c{c} G\'omez
研究揭示了當演算法結合熱度排序、個性化推薦與主動參與獎勵時，會驅動使用者走向更極端的資訊消費。
AI 幫你先抓重點
AI 重點 1
演算法設計中的「獎勵機制」是造成資訊繭房與極端化的核心誘因。
滑鼠懸停看 AI 判斷理由
這改變了我們對演算法中立性的認知。過去認為演算法只是反映興趣，但研究指出「獎勵主動參與」這一設計邏輯，會主動誘導使用者放棄多元觀點，轉向更激進的內容以獲得更多回饋。
AI 重點 2
使用者行為偏好（位置偏誤與同質性偏好）與演算法邏輯產生了共振效應。
滑鼠懸停看 AI 判斷理由
理解這一點對於設計健康的數位學習環境至關重要。如果學習平台也採用類似的熱度與個性化推薦機制，可能會無意中限制學習者的視野，使其僅接觸符合既有認知或最熱門的資訊。
核心研究發現
- 1
研究發現當排名演算法基於熱度（Popularity-based）時，會因使用者偏好高位顯示內容與同質內容，進而形成惡性循環。
- 2
當平台額外獎勵「主動參與」（Active engagement）並實施「個性化排序」時，會不可避免地將使用者推向更極端的新聞內容。
- 3
透過動態模型、模擬實驗及數百名人類參與者的互動實驗，證實了排名機制與使用者行為之間的動態演化關係。
對教育工作者的啟發
在設計數位學習平台或知識建構工具時，應警惕「熱度排序」與「過度個性化」的風險。教育者與設計者應考慮引入「異質性推薦機制」，刻意向學習者推送不同觀點或具挑戰性的內容，而非僅僅餵養符合其既有興趣或最受歡迎的資訊。此外，在設計互動獎勵機制時，應從單純的「點擊與參與度」轉向「深度思考與多元探索」的指標，以避免學習者陷入認知狹隘的惡性循環。
原始文獻資訊
- 英文標題：
- Rewarding Engagement and Personalization in Popularity-Based Rankings Amplifies Extremism and Polarization
- 作者：
- Jacopo D'Ignazi, Emma Fraxanet Morales, Andreas Kaltenbrunner, Ga\"el Le Mens, Fabrizio Germano, Vicen\c{c} G\'omez
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。