フィルターバブル

フィルターバブルまたはイデオロギーフレームは、パーソナライズされた検索、推奨システム、アルゴリズムによるキュレーションによって生じる知的孤立の状態です^[1]。検索結果は、ユーザーの位置情報、過去のクリック行動、検索履歴などのユーザーに関する情報に基づいています。^[2]その結果、ユーザーは自分の視点に合わない情報から切り離され、事実上、独自の文化的またはイデオロギー的なバブルに孤立し、限定的でカスタマイズされた世界観を持つことになります。^[3]これらのアルゴリズムによる選択は、たまにしか透明ではありません。^{[4]代表的な例としては、} Google のパーソナライズされた検索結果や Facebook のパーソナライズされたニュース ストリームなど があります。

しかし、パーソナライズされたフィルタリングがどの程度行われるのか、また、そのような活動が有益か有害かについては相反する報告があり、さまざまな研究で結論が出ていません。

フィルターバブルという用語は、インターネット活動家のイーライ・パリサーによって2010年頃に造られた。パリサーの同名の影響力のある著書『フィルターバブル』（2011年）では、アルゴリズムによるフィルタリングによる個別化が知的孤立と社会的分断につながると予測されていた。^[5]パリサーによると、バブル効果は公民的対話に悪影響を及ぼす可能性があるが、対照的な見解ではその影響は最小限であり^[6]、対処可能であるとされている。^[7]パリサーによると、ユーザーは相反する視点に触れる機会が少なくなり、情報バブルの中で知的に孤立する。^[8]彼は、あるユーザーがGoogleで「BP」を検索してBPに関する投資ニュースを入手したのに対し、別の検索者はディープウォーター・ホライズンの原油流出に関する情報を入手した例を挙げ、同じキーワードを使用しているにもかかわらず、2つの検索結果ページは「著しく異なっていた」と指摘した。^{[8] [9] [10] [6]} 2016年の米国大統領選挙の結果は、TwitterやFacebookなどのソーシャルメディアプラットフォームの影響と関連付けられており、^{[11]その結果、「フィルターバブル」現象が}フェイクニュースやエコーチェンバーへのユーザーの露出に与える影響が疑問視され、^[12]この用語への新たな関心が高まり、^{[13]この現象が誤情報の影響を悪化させることで民主主義と}幸福に害を及ぼす可能性があると多くの人が懸念している。^{[14] [15] [13] [16] [17] [18]}

パリサーは、フィルターバブルの概念をより正式な言葉で「これらのアルゴリズムによって提供される情報の個人エコシステム」と定義しました。 ^[8]インターネットユーザーの過去の閲覧履歴と検索履歴は、「リンクをクリックする、友達を閲覧する、映画をキューに入れる、ニュース記事を読む」など、トピックへの関心を示すことで時間の経過とともに蓄積されます。^[19]インターネット企業は、この情報を使用して、ユーザーをターゲットにした広告を配信したり、特定の種類の情報を検索結果ページでより目立つように表示したりします。^[19]

このプロセスはランダムではなく、パリサーによれば3段階のプロセスで実行される。「まず、人々が誰で、何を好むかを把握します。次に、彼らに最も適したコンテンツとサービスを提供します。最後に、彼らに最も適したコンテンツとサービスを探します。あなたのアイデンティティがメディアを形作ります。」^[20]パリサーはまた次のように報告している。

ウォール ストリート ジャーナルの調査によると、 CNNからYahoo、MSNまで、上位 50 のインターネット サイトは、平均 64 個のデータ満載の Cookie と個人追跡ビーコンをインストールしています。Dictionary.com で「うつ病」などの単語を検索すると、このサイトは最大 223 個の追跡 Cookie とビーコンをユーザーのコンピューターにインストールし、他の Web サイトが抗うつ剤をユーザーに提供できるようにします。ABC ニュースで料理に関する記事を共有すると、テフロン加工の鍋の広告が Web 中を駆け巡ることがあります。配偶者が浮気をしているかもしれない兆候を列挙したページを一瞬でも開くと、DNA 親子鑑定の広告に悩まされることになります。^[21]

サイトのトラフィック測定を通じて表示されるリンククリックのデータにアクセスすると、フィルターバブルが集合的なものか個別のものかがわかります。^[22]

2011年時点で、あるエンジニアはパリサーに対し、Googleはユーザーの検索結果をパーソナライズするために、使用されているコンピュータの種類やユーザーの物理的な場所などの非Cookieデータを含む57種類のデータを調べていると語っていた。^[23]

パリサーのフィルターバブルの考え方は、2011年5月のTEDトークでフィルターバブルの仕組みやどこで見られるかを例に挙げて広まった。フィルターバブル効果を実証するためのテストで、パリサーは数人の友人にGoogleで「エジプト」という単語を検索して結果を送ってもらうように頼んだ。友人2人の検索結果の最初のページを比較すると、ニュースや旅行などのトピックでは重複していたものの、1人の友人の結果には当時進行中だった2011年のエジプト革命に関する情報へのリンクが目立つように含まれていたのに対し、もう1人の友人の結果の最初のページにはそのようなリンクは含まれていなかった。^[24]

パリサーは『フィルターバブル』の中で、フィルター検索の潜在的な欠点は「新しいアイデア、主題、重要な情報から我々を閉ざしてしまう」こと^[25]と「我々の狭い利己心だけが存在するという印象を与えてしまう」ことだと警告している。^[9]彼によれば、フィルターバブルは個人と社会の両方に潜在的に有害である。彼はグーグルとフェイスブックがユーザーに「キャンディーが多すぎてニンジンが足りない」と批判した。^[26]彼は「ウェブの目に見えないアルゴリズム編集」が我々の新しい情報への露出を制限し、我々の視野を狭める可能性があると警告した。^[26]パリサーによると、フィルターバブルの有害な影響には、それが「市民の議論を弱体化」させ、人々を「プロパガンダと操作」に対してより脆弱にする可能性があるという意味で、一般社会に害を及ぼすことが含まれる。^[9]彼は次のように書いている。

馴染み深いものから構築された世界は、学ぶべきことが何もない世界です...（なぜなら）目に見えない自己宣伝があり、私たちに独自の考えを教え込むからです。

— イーライ・パリサー、エコノミスト誌、2011年^[27]

フィルターバブルが存在することすら知らない人が多い。これはガーディアン紙の記事にも見られる。同紙は「Facebookユーザーの60%以上がFacebook上のキュレーションをまったく知らず、友人やフォローしているページのすべての記事がニュースフィードに表示されていると思っている」と述べている。^[28] Facebookがユーザーのニュースフィードに何を表示するかを決定する仕組みを簡単に説明すると、「過去に同様の投稿にどのように反応したか」を考慮したアルゴリズムによって決定される。^[28]

フィルターバブルは、スプリンターネットまたはサイバーバルカン化と呼ばれる現象を悪化させると説明されている。^{[注 1]}これは、インターネットが同じような考えを持つ人々のサブグループに分割され、彼らが自分のオンラインコミュニティ内で孤立し、異なる意見に触れることができなくなるときに起こる。この懸念は、インターネットが一般に公開された初期の頃にまで遡り、「サイバーバルカン化」という用語は1996年に作られた。^{[29] [30] [31]}この現象を説明するために、「イデオロギー的枠組み」^[9]や「インターネットで検索するときにあなたを取り囲む比喩的な領域」^{[19]などの他の用語が使用されている。}

フィルターバブルの概念は他の分野にも拡張され、政治的見解だけでなく、経済的、社会的、文化的状況に応じて自己分離する社会を説明するために使用されています。^[32] このバブルは、より広範なコミュニティの喪失につながり、たとえば、社交行事が子供向けで、子供のいない大人には魅力的ではないように特別に計画されていない限り、子供は社交行事に参加すべきではないという感覚を生み出します。^[32]

バラク・オバマの退任演説では、フィルターバブルと同様の概念が「[アメリカ人の]民主主義への脅威」であると指摘された。つまり、「私たちは自分自身のバブル、特にソーシャルメディアのフィードに閉じこもり、自分たちと似た外見で同じ政治的見解を持ち、決して自分たちの仮定に異議を唱えない人々に囲まれる...そしてますます私たちはバブルの中で安心しきってしまい、真実かどうかに関わらず、自分たちの意見に合う情報だけを受け入れ始め、そこに存在する証拠に基づいて意見を形成することはしなくなる」ということである。^[33]

「エコーチェンバー」と「フィルターバブル」はどちらも、個人が既存の信念や偏見を強化する狭い範囲の意見や視点にさらされる状況を表していますが、特にソーシャルメディアを取り巻く慣行においては、両者の間には微妙な違いがあります。^{[34] [35]}

ニュースメディアに特有のエコーチェンバーとは、閉鎖系内でのコミュニケーションと反復によって信念が増幅または強化される状況を比喩的に表現したものである。^{[36] [37]}選択的暴露理論 という社会学的概念に基づくこの用語は、音が中空の囲いの中で反響する音響エコーチェンバーを題材にした比喩である。ソーシャルメディアに関しては、この種の状況は自己選択的パーソナライゼーションの明示的なメカニズムにつながり、これは特定のプラットフォームのユーザーが情報消費を積極的にオプトインまたはオプトアウトできるすべてのプロセス、たとえばユーザーが他のユーザーをフォローしたりグループに参加したりする能力などを表す。^[38]

エコーチェンバーでは、人々は潜在的に無意識の確証バイアスとして、既存の見解を強化する情報を探し出すことができます。この種のフィードバック制御は、政治的および社会的分極化と過激主義を増大させる可能性があります。これにより、ユーザーはソーシャルネットワーク内で同質的なクラスターに集まり、グループの分極化につながります。^[39]「エコーチェンバー」は、事実の裏付けなしに個人の信念を強化します。個人は、同じ見解を認め、それに従う人々に囲まれていますが、エコーチェンバーの外に出る力も持っています。^[40]

一方、フィルターバブルは、事前に選択されたパーソナライゼーションの暗黙のメカニズムであり、ユーザーのメディア消費はパーソナライズされたアルゴリズムによって作成されます。ユーザーが見るコンテンツは、既存の信念や好みを強化するAI駆動型アルゴリズムによってフィルタリングされ、反対の視点や多様な視点が排除される可能性があります。この場合、ユーザーはより受動的な役割を担い、自分の世界観に挑戦する情報への露出を自動的に制限するテクノロジーの犠牲者として認識されます。^[38]ただし、一部の研究者は、ユーザーは検索エンジンやソーシャルメディアネットワークとのやり取りを通じて、自分のニュースフィードや情報源を選択的にキュレーションする積極的な役割を果たしているため、AI駆動型アルゴリズムによるフィルタリングプロセスを直接支援し、事実上自己分離型のフィルターバブルに関与していると主張しています。^[41]

これらの用語は異なるものの、学術研究とプラットフォーム研究の両方で密接に関連して使用されています。ソーシャルネットワーク研究では、フィルタリングアルゴリズムのアクセシビリティの制限により、2つの概念を区別することが難しいことがよくあります。フィルタリングアルゴリズムがあれば、研究者は2つの概念のエージェンシーを比較対照できる可能性があります。^[42]多くのソーシャルメディアネットワークが学術研究に必要なAPIアクセスを制限し始めているため、この種の研究はますます困難になるでしょう。^[43]

パーソナライズされたフィルタリングがどの程度行われているか、また、そのような活動が有益か有害かについては、相反する報告がある。アナリストのジェイコブ・ワイズバーグは、2011年6月にSlateに寄稿し、パリサーの理論を検証するために、異なるイデオロギー的背景を持つ5人の同僚が一連の検索「ジョン・ベイナー」、「バーニー・フランク」、「ライアン計画」、「オバマケア」を実行し、その結果のスクリーンショットをワイズバーグに送るという、小規模な非科学的な実験を行った。結果は人によってわずかな違いがあっただけで、違いはイデオロギーに関連したものではないようだった。ワイズバーグは、フィルターバブルは効果がないという結論に至り、ほとんどのインターネットユーザーが「Daily Meの餌食になっている」という考えは誇張されていると書いた。^[9]ワイズバーグはGoogleにコメントを求めたが、広報担当者は、意図的に「パーソナライズを制限し、多様性を促進する」ためにアルゴリズムが導入されていると述べた。^[9]書評家のポール・ブーティンはワイスバーグと同様の実験を異なる検索履歴を持つ人々を対象に行い、異なる検索者がほぼ同じ検索結果を受け取ったことを再び発見した。^{[6]ジャーナリストのペル・グランクヴィスト} [sv]は非公式にグーグルのプログラマーにインタビューし、ユーザーデータは以前は検索結果を決定する上で大きな役割を果たしていたが、グーグルはテストを通じて、検索クエリが何を表示するかを決定する最も優れた要素であることを発見した。^[44]

Google や他のサイトがユーザーに関する膨大な「ファイル」情報を保管しており、必要に応じて個々のインターネット体験をさらにパーソナライズできる可能性があるという報告がある。たとえば、ユーザーが個人の Google アカウントを持っていない場合やログインしていない場合でも、Google がユーザーの履歴を追跡できる技術が存在する。^{[6]ある報告では、Google は、検索エンジン以外の}Gmail、Google マップ、その他のサービスなど、さまざまなソースから蓄積された「10 年分」の情報を集めたと述べられている^{が [10] [検証に失敗]、}反対の報告では、膨大な量のデータが利用可能であるにもかかわらず、インターネットをユーザーごとにパーソナライズすることはインターネット企業にとって技術的に困難であるという。^{[出典が必要]} CNNのアナリスト Doug Gross は、フィルター検索は市民よりも消費者にとって役立つようで、「ピザ」を探している消費者がパーソナライズされた検索に基づいて地元の配達オプションを見つけ、遠くのピザ店を適切に除外するのに役立つと示唆した。^{[10] [検証失敗]}ワシントンポスト、ニューヨークタイムズなどの組織は、ユーザーが好むか同意する可能性が高い検索結果に合わせて検索結果をカスタマイズすることを目的として、新しいパーソナライズされた情報サービスを作成する実験を行ってきました。^[9]

パーソナライズされたおすすめを分析したウォートンの科学的研究では、これらのフィルターはオンライン音楽の好みを断片化するのではなく、共通化できることが明らかになりました。 ^[45]消費者はフィルターを好みを制限するためではなく、広げるために使用していると言われています。 [45]ハーバード大学法学教授のジョナサン・ジットレインは、パーソナライズフィルターがGoogleの検索結果を歪める程度について異論を唱え、「検索パーソナライズの影響は軽微である」と述べています。^[9]さらに、Googleはユーザーが希望する場合にパーソナライズ機能をオフにする機能を提供しています。 ^[46] Googleの検索履歴の記録を削除し、今後検索キーワードや訪問したリンクをGoogleに記憶させないように設定できます。^[6]

インターネット ポリシー レビューの研究では、フィルター バブルの明確で検証可能な定義が分野間で欠如していることが取り上げられており、その結果、研究者はフィルター バブルをさまざまな方法で定義し、研究することがよくあります。^[47]その後、この研究では、フィルター バブルの存在に関する実証データが分野間で欠如していることが説明され^[12]、フィルター バブルに起因する影響は、アルゴリズムよりも既存のイデオロギー的偏見に起因する可能性が高いことが示唆されました。同様の見解は、フィルター バブルの定義とそれに関連するイデオロギー的要因と技術的要因の関係に関する懸念を取り上げている他の学術プロジェクトにも見られます。^[48]フィルター バブルに関する批判的なレビューでは、「フィルター バブル論では、意見が強いが同時に非常に柔軟である特別な種類の政治的人間が想定されることが多い」こと、および「人々がコンテンツを選択するときは能動的な主体であるが、アルゴリズムによってキュレーションされたコンテンツが推奨されると受動的な受信者になるというパラドックス」が示唆されています。^[49]

オックスフォード大学、スタンフォード大学、マイクロソフトの研究者らが、2013 年 3 月から 5 月にかけて Internet Explorer のBing ツールバー アドオンを使用した米国ユーザー 120 万人の閲覧履歴を調査しました。研究者らは、ニュースを積極的に利用するユーザー 5 万人を選び、ユーザーの IP アドレスに関連付けられた郡の有権者の大多数が 2012 年の大統領選挙でオバマに投票したかロムニーに投票したかに基づいて、彼らが訪れたニュース アウトレットが左派か右派かを分類しました。次に、ニュース記事が、Google ニュース集約サービス、ウェブ検索、またはソーシャル メディア経由で発行元のサイトに直接アクセスした後に読まれたかどうかを特定しました。研究者らは、ウェブ検索とソーシャル メディアがイデオロギー分離に寄与していることは確かですが、オンライン ニュース消費の大部分は、ユーザーが左派または右派の主流ニュース サイトに直接アクセスし、その結果、政治的スペクトルの片側の意見にほぼ独占的にさらされていることを発見しました。この研究の限界としては、インターネットエクスプローラーのユーザーが一般のインターネットユーザーよりも年齢が高いこと、プライバシーをあまり気にしないユーザーがBingツールバーを使用し、閲覧履歴の選択を自発的に（または無意識に）共有していること、左派の出版物の記事はすべて左派であり、右派の記事も同様であるという仮定、ニュースを積極的に消費しないユーザーはほとんどのニュースをソーシャルメディア経由で入手する可能性があり、そのため、ニュース出版物の選択を通じて基本的にバイアスを自ら選択しているユーザー（出版物のバイアスを認識していると仮定）よりも社会的またはアルゴリズムによるバイアスの影響をより強く受ける可能性があることなど、選択の問題が挙げられます。^[50]

プリンストン大学とニューヨーク大学の研究者による研究は、フィルターバブルとアルゴリズムフィルタリングがソーシャルメディアの二極化に与える影響を研究することを目的としていた。彼らは「確率的ブロックモデル」と呼ばれる数学モデルを使用して、RedditとTwitterの環境での仮説を検証した。研究者は、正規化されたソーシャルメディアネットワークと非正規化ネットワークにおける二極化の変化を測定し、特にRedditとTwitterにおける二極化と不一致の変化率を測定した。彼らは、非正規化ネットワークでは二極化が400％と大幅に増加したのに対し、正規化ネットワークでは二極化が4％、不一致が5％増加したことを発見した。^[51]

アルゴリズムは政治的多様性を制限するが、フィルターバブルの一部はユーザーの選択の結果である。^[52] Facebookのデータサイエンティストによる調査では、ユーザーはイデオロギーを共有するFacebookの友人4人につき、対照的な意見を持つ友人が1人いることが判明した。^{[53] [54] Facebookの}ニュースフィードのアルゴリズムが何であれ、人々は同様の信念を共有する人と友達になったりフォローしたりする可能性が高い。^[53]このアルゴリズムの性質は、ユーザーの履歴に基づいて記事をランク付けすることであり、その結果、「政治的に横断的なコンテンツが保守派では5％、リベラル派では8％減少する」。^[53]ただし、対照的な意見を提供するリンクをクリックするオプションがユーザーに与えられた場合でも、ユーザーは最もよく閲覧されているソースをデフォルトとする。^[53]「ユーザーの選択により、横断的なリンクをクリックする可能性は保守派では17％、リベラル派では6％減少します。」^[53]横断的リンクとは、ユーザーが想定している視点やウェブサイトがユーザーの信念として定めているものとは異なる視点を紹介するリンクです。^[55]レヴィ・ボクセル、マシュー・ゲンツコウ、ジェシー・M・シャピロによる最近の研究では、オンラインメディアは政治的二極化の原動力ではないことが示唆されています。^[56]この論文では、二極化はオンラインで過ごす時間が最も少ない人口統計グループによって引き起こされたと主張しています。最も大きなイデオロギーの分断は75歳以上のアメリカ人の間で経験されていますが、2012年の時点でソーシャルメディアを使用していると報告したのはわずか20％でした。対照的に、18〜39歳のアメリカ人では、2012年の時点で80％がソーシャルメディアを使用していると報告しています。データによると、2012年の若年層は、オンラインメディアがほとんど存在しなかった1996年と比べても二極化していないようです。この調査では、年齢層間の違いと、人々が先入観に訴える情報を求める中でニュース消費が二極化したままである点に焦点が当てられています。高齢のアメリカ人は通常、政治的見解が停滞したままで、これは従来のメディアが引き続き主要なニュースソースであるのに対し、若年層にとってはオンラインメディアが主要な情報源であるためです。アルゴリズムとフィルターバブルはコンテンツの多様性を弱めますが、この調査では、政治的二極化の傾向は主に既存の見解と外部ソースを認識できないことによって引き起こされていることが明らかにされています。 2020年にドイツで行われた研究では、ビッグファイブ心理学モデルを利用して、個人の性格、人口統計、イデオロギーがユーザーのニュース消費に与える影響をテストしました。^[57]彼らの研究は、ユーザーが消費するニュースソースの数がフィルターバブルに陥る可能性に影響し、メディアの多様性が高いほどその可能性は低くなるという概念に基づいており、彼らの結果は、特定の人口統計（高齢および男性）と特定の性格特性（高い開放性）が、個人が消費するニュースソースの数と正の相関関係にあることを示唆している。また、この研究では、メディアの多様性とユーザーが右翼権威主義に同調する度合いとの間に、負のイデオロギー的関連性があることも判明した。この研究は、ユーザーの選択の役割に影響を与える可能性のあるさまざまな個人ユーザー要因を提示するだけでなく、ユーザーがフィルターバブルに陥る可能性とユーザーの投票行動との間の疑問と関連性も提起している。^[57]

Facebook の調査では、アルゴリズムがニュースフィードのフィルタリングに人々が想定するほど大きな役割を果たしたかどうかは「決定的ではない」と結論付けられました。 ^[58]また、この調査では、「個人の選択」または確証バイアスも同様にニュースフィードからフィルタリングされるものに影響を与えることがわかりました。^[58]一部の社会科学者は、フィルターバブルに抗議するポイントは、アルゴリズムと個人の選択が連携してニュースフィードをフィルタリングすることであるため、この結論を批判しました。^[59]彼らはまた、Facebook のサンプルサイズが「実際の Facebook ユーザーの約 9%」と小さいこと、およびこの調査が Facebook が外部の研究者に提供していないデータにアクセスした「Facebook の科学者」によって実施されたため、調査結果が「再現可能ではない」という事実を批判しました。^[60]

調査では、平均的なユーザーの Facebook 上の友達のうち、政治的立場が反対の側に属するのはわずか 15～20% 程度に過ぎないことが判明したが、Voxの Julia Kaman 氏は、このことが視点の多様性にプラスの影響を与える可能性があると理論づけた。これらの「友達」は、インターネットがなければ政治を共有することはまずないような知り合いであることが多い。Facebook は、ユーザーがこれらの「二流」の友達によって投稿または再投稿されたコンテンツを閲覧し、場合によってはやり取りするユニークな環境を育んでいる可能性がある。調査では、「リベラル派が閲覧したニュースの 24% は保守寄りで、保守派が閲覧したニュースの 38% はリベラル寄りだった」と判明した。^[61]「リベラル派は、保守派に比べて、反対側の情報を共有する友達とのつながりが少ない傾向がある」^[62]この相互作用により、ユーザーの意見を緩和できる多様な情報や情報源を提供できる可能性がある。

同様に、ニューヨーク大学によるツイッターのフィルターバブルに関する研究では、「個人は現在、ニュースイベントに関する幅広い視点にアクセスできるようになり、この情報のほとんどは従来のチャネルを通じてではなく、政治関係者から直接、または友人や親戚を通じてもたらされている。さらに、ソーシャルメディアのインタラクティブな性質により、個人は社会的つながりが弱い人々を含む仲間と政治的イベントについて話し合う機会が生まれている」と結論付けている。^{[63]これらの研究によると、ソーシャルメディアはユーザーが接触する情報や意見を多様化させている可能性があるが、フィルターバブルとそれがより深刻な}政治的二極化を生み出す能力については多くの憶測がある。

この問題の原因の1つであり、解決策として考えられるのは、オンラインコンテンツにおける感情の役割です。2018年の研究では、メッセージのさまざまな感情が二極化や収束につながる可能性があることが示されています。喜びは感情の二極化でよく見られますが、悲しみと恐怖は感情の収束で重要な役割を果たします。^[64]メッセージの感情的な内容を検出するのは比較的簡単なので、これらの調査結果は、アルゴリズムの推奨事項の感情的な内容に焦点を当て始めることで、より社会的に責任のあるアルゴリズムを設計するのに役立ちます。

ソーシャルボットは、フィルターバブルやエコーチェンバーに起因する分極化やそれに関連する効果をテストするために、様々な研究者によって利用されてきた。^{[65] [66]} 2018年の研究では、Twitter上のソーシャルボットを使用して、ユーザーが意図的に党派的な視点にさらされることをテストした。^[65]この研究では、異なる見解への露出による党派の違いが実証されたと主張したが、結果は政党登録したアメリカのTwitterユーザーに限定されるべきだと警告した。主な結果の1つは、（ボットによって提供された）異なる見解にさらされた後、自称共和党員はより保守的になったのに対し、自称リベラル派はイデオロギーの変化がほとんどないか、まったく見られなかったということだ。中華人民共和国による別の研究では、中国最大のソーシャルメディアプラットフォームであるWeibo上のソーシャルボットを使用して、フィルターバブルの構造が分極化に与える影響について調査した。^[66]この研究は、分極化の2つの概念を区別している。 1 つは、似たような意見を持つ人々がグループを形成し、同じような意見を共有し、異なる視点から自分たちを遮​​断すること (意見の二極化)、もう 1 つは、人々が多様なコンテンツや情報源にアクセスしないこと (情報の二極化) です。研究者は、人間のボランティアの代わりにソーシャル ボットを活用し、意見ベースよりも情報の二極化に重点を置くことで、フィルター バブルには 2 つの重要な要素があると結論付けました。1 つのトピックにユーザーが集中することと、主要な情報の流れに影響を与える一方向の星型構造です。

2018 年 6 月、プラットフォーム DuckDuckGo は Google Web ブラウザ プラットフォームに関する調査研究を実施しました。この研究では、米国本土のさまざまな場所で 87 人の成人が同時に 3 つのキーワード (移民、銃規制、ワクチン接種) を Google 検索しました。プライベート ブラウジング モードでも、ほとんどの人が自分独自の結果を表示しました。Google は一部の参加者には他の参加者には表示しなかった特定のリンクを表示し、ニュースと動画の情報ボックスには大きなばらつきが見られました。Google はこれらの結果に公式に異議を唱え、検索エンジン結果ページ (SERP) のパーソナライズはほとんど神話であると述べました。Google 検索リエゾンのダニー サリバンは、「長年にわたり、Google 検索はパーソナライズしすぎて、同じクエリに対して、人によって大幅に異なる結果が表示される可能性があるという神話が生まれました。これは事実ではありません。結果が異なることはありますが、通常はパーソナライズされていない理由によるものです」と述べています。^[67]

フィルターバブルが機能すると、科学者が「ワオ」モーメントと呼ぶ特定の瞬間が作り出される。「ワオ」モーメントとは、現在の行動やオブジェクトの現在の使用に関連する記事、広告、投稿などがコンピュータに表示されることである。科学者がこの用語を発見したのは、若い女性がコーヒーを飲むという日常のルーチンを実行中にコンピュータを開き、自分が飲んでいるコーヒーと同じブランドの広告に気づいたときだった。「今朝、コーヒーを飲みながら座ってFacebookを開いたら、ネスプレッソの広告が2つあった。飲んでいる製品が目の前の画面に現れる「ワオ」モーメントのようなものだ」^[68]「ワオ」モーメントは、人々が「発見」されたときに発生する。つまり、広告アルゴリズムは特定のユーザーを「クリック行動」に基づいてターゲットにし、売上を増やすのだ。

フィルターバブルの影響を打ち消すツールを開発した設計者もいる（§ 対策を参照）。^[69]スイスのラジオ局SRFは、フィルターバブルのドイツ語訳であるfilterblaseを2016年の年間最優秀単語に選んだ。 ^[70]

インターネット活動家のイーライ・パリサーは著書『フィルターバブル：インターネットがあなたから隠しているもの』^[71]の中で、フィルターバブルの発生頻度の増加がロバート・プットマンの定義による橋渡し的社会資本の価値をさらに強調していることを強調している。パリサーは、フィルターバブルは社会的均質性感覚を強化し、潜在的に異なる関心や視点を持つ人々のつながりを弱めると主張している。 ^[72]その意味で、高い橋渡し資本は、利己心を超えた空間への露出を増やすことで社会的包摂を促進する可能性がある。より多くの人々と非公式な場でつながるなどして橋渡し資本を育成することは、フィルターバブル現象を軽減する効果的な方法かもしれない。

ユーザーは、フィルターバブルを破るためにさまざまな行動を取ることができます。たとえば、意識的に自分がさらされている情報を評価する努力をしたり、幅広いコンテンツに関わっているかどうかを批判的に考えたりすることができます。^{[73]ユーザーは、検証できない、または弱いニュースソースを意識的に避けることができます。IABのマーケティング担当副社長であるクリス・グルシュコは、フェイクニュースを識別するために}ファクトチェックサイトを使用することを提唱しています。 ^[74]テクノロジーもフィルターバブルと戦う上で重要な役割を果たすことができます。^[75]

一部のブラウザプラグインは、人々がフィルターバブルから抜け出し、個人的な視点に気付くようにすることを目的としている。そのため、これらのメディアは、人々の信念や意見に反するコンテンツを表示する。プラグインに加えて、ユーザーにエコーチェンバーを開くよう促すという使命を持って作成されたアプリもある。Read Across the Aisleなどのニュースアプリは、ユーザーの読書パターンが一方の側/イデオロギーに偏っている場合に、異なる視点を読むように促す。^[76]アプリやプラグインは人間が使用できるツールであるが、イーライ・パリサーは「確かに、新しい情報源や自分とは違う人々を探し出すという個人の責任がある」と述べた。^[52]

ウェブベースの広告は、ユーザーに同じコンテンツをさらに多く見せることでフィルターバブルの効果をさらに高める可能性があるため、ユーザーは検索履歴を削除したり、ターゲット広告をオフにしたり、ブラウザ拡張機能をダウンロードしたりすることで、多くの広告をブロックできます。企業によるウェブ検索データの収集を防ぐために、匿名またはパーソナライズされていない検索エンジン（ YaCy、DuckDuckGo、Qwant、Startpage.com、Disconnect、Searxなど）を使用する人もいます。スイスの日刊紙Neue Zürcher Zeitungは、機械学習を使用してユーザーが興味を持っているコンテンツを推測し、「常に驚きの要素を含める」パーソナライズされたニュースエンジンアプリのベータテストを行っています。そのアイデアは、ユーザーが過去にフォローした可能性が低いストーリーを混ぜることです。^[77]

欧州連合は、フィルターバブルの影響を軽減するための対策を講じている。欧州議会は、フィルターバブルが人々の多様なニュースへのアクセス能力にどのような影響を与えるかについての調査を後援している。^[78]さらに、市民にソーシャルメディアについて教育することを目的としたプログラムを導入した。^[79]米国では、CSCW パネルが、メディア消費者のニュース摂取量を広げるためにニュース アグリゲーター アプリの使用を提案している。ニュース アグリゲーター アプリは、現在のニュース記事をすべてスキャンし、特定のトピックに関するさまざまな視点に誘導する。ユーザーは、多様性を認識するニュース バランサーを使用することもできる。これは、メディア消費者がニュースを読むときに左寄りか右寄りかを視覚的に示し、右寄りの場合は大きな赤いバー、左寄りの場合は大きな青いバーで示す。このニュース バランサーを評価する研究では、「フィードバックを見たユーザーの間で、対照群と比較して、よりバランスの取れた露出に向かう読書行動の小さいが顕著な変化が見られた」ことがわかった。^[80]

ソーシャルメディアにおける情報フィルタリングに関する最近の懸念を踏まえ、Facebookはフィルターバブルの存在を認め、その除去に向けて前進した。^[81] 2017年1月、Facebookは、一部のユーザーが話題のイベントをそこで見られないという問題に対応して、トレンドトピックリストからパーソナライゼーションを削除した。^[82] Facebookの戦略は、2013年に実装した関連記事機能を逆転させることだ。この機能は、ユーザーが共有記事を読んだ後、関連ニュース記事を投稿するというものだった。現在、改訂された戦略では、このプロセスを逆転させ、同じトピックについて異なる視点からの記事を投稿する。Facebookはまた、信頼できるソースからの記事のみが表示されるように審査プロセスを実施しようとしている。Craigslistの創設者および他の数名とともに、 Facebookは「世界中のジャーナリズムへの信頼を高め、公の会話をよりよく伝える」取り組みに1400万ドルを投資した。^[81]その考えは、たとえ人々が友人から共有された投稿だけを読んでいるとしても、少なくともこれらの投稿は信頼できるだろうというものだ。

同様に、Google も 2018 年 1 月 30 日現在、自社のプラットフォーム内にフィルター バブルの問題が存在することを認めています。現在の Google 検索では、特定の検索結果を表示または非表示にする「権威性」と「関連性」に基づいてアルゴリズムでランク付けされた結果が取得されるため、Google はこれに対抗しようとしています。検索エンジンをトレーニングして、質問の文字通りの構文ではなく検索クエリの意図を認識できるようにすることで、Google はフィルター バブルのサイズを制限しようとしています。現時点では、このトレーニングの最初のフェーズは 2018 年第 2 四半期に導入される予定です。偏見や物議を醸す意見を含む質問は後日対処されるため、検索エンジンが真実の仲裁者として機能するのか、それとも意思決定を行うための知識豊富なガイドとして機能するのかという、依然として存在するより大きな問題が引き起こされます。^[83]

2017年4月、フェイスブック、モジラ、クレイグズリストがCUNYの「ニュース・インテグリティ・イニシアチブ」に1400万ドルの寄付の大半を寄付したというニュースが浮上した。このイニシアチブはフェイクニュースを排除し、より誠実なニュースメディアを作ることを目指している。^[84]

その後、8月にFirefoxウェブブラウザの開発元であるMozillaは、Mozilla Information Trust Initiative（MITI）の設立を発表した。+MITIは、フィルターバブルの影響とフェイクニュースの蔓延に対抗するための製品、研究、コミュニティベースのソリューションを開発するための共同の取り組みとして機能する。Mozillaのオープンイノベーションチームがこの取り組みを主導し、誤情報と戦うために努力し、特にリテラシー、研究、創造的介入に関する製品に重点を置いている。^[85]

クラウドサービスの人気が高まるにつれ、フィルターバブルを構築するために使用されるパーソナライズされたアルゴリズムがより広く普及することが予想されます。 [86] 学者たちは、特に個人の自由、セキュリティ、情報バイアスの領域に関して、倫理的な観点からソーシャルメディアのユーザーに対するフィルターバブルの影響を考慮し始めてい^ます。 [ 87 ]人気のあるソーシャルメディア^やパーソナライズされた検索サイトのフィルターバブルは、そのコンテンツをキュレートするために使用されるアルゴリズムにより、多くの場合、ユーザーの直接の同意や認識なしに、ユーザーが見る特定のコンテンツを決定することができます。^{[86]行動パターンから現れる自己作成されたコンテンツは、部分的な情報盲目につながる可能性があります。 [88]}フィルターバブルの使用に対する批評家は、フィルターバブルの普及の結果として、個人が自分のソーシャルメディア体験に対する自律性を失い、アイデンティティが社会的に構築される可能性があると推測しています。^[86]

技術者、ソーシャルメディアエンジニア、コンピュータ専門家もフィルターバブルの蔓延を調査してきた。^{[89] Facebookの創設者} マーク・ザッカーバーグと『フィルターバブル』の著者イーライ・パリサーは、プライバシーと情報二極化のリスクについて懸念を表明している。^{[90] [91]}パーソナライズされた検索エンジンやソーシャルメディアプラットフォームのユーザーの情報はプライベートではないが、そうあるべきだと考える人もいる。^[90]プライバシーに対する懸念から、情報技術者がユーザーのオンライン活動を取得し、関連する情報への将来の露出を操作することが道徳的であるかどうかについての議論が巻き起こっている。^[91]

一部の学者は、フィルターバブルが個人や社会の幸福、すなわち一般大衆への健康情報の普及とインターネット検索エンジンが健康関連行動を変える潜在的な影響に与える影響について懸念を表明している。^{[16] [17] [18] [92]} 2019年の学際的な本では、健康に関する誤情報に関してフィルターバブルが果たす役割に関する研究と見解が報告されている。^[18]ジャーナリズム、法律、医学、健康心理学などさまざまな分野から引用したこの本は、さまざまな物議を醸している健康に関する信念（代替医療や疑似科学など）や、健康に関する議論におけるさまざまなトピックに対するフィルターバブルとエコーチェンバーの悪影響に対する潜在的な解決策を取り上げている。 2016年に行われた自殺に関連する検索エンジンの結果に対するフィルターバブルの潜在的な影響に関する研究では、ヘルプラインや同様の検索結果がユーザーに表示されるかどうかにアルゴリズムが重要な役割を果たしていることが判明し、その研究が健康政策に与える影響について議論した。^[17]クロアチア医学誌の2016年の別の研究では、フィルターバブルが健康情報に及ぼす潜在的な悪影響を軽減するための戦略が提案されており、フィルターバブルとその関連影響について一般の人々にもっと知らせること、ユーザーが[Google]以外の検索エンジンを試すことを選択すること、検索エンジンが表示する結果を決定するために使用するプロセスについてもっと説明するなどです。^[16]

個々のソーシャルメディアユーザーが見るコンテンツはフィルターバブルを生成するアルゴリズムの影響を受けるため、ソーシャルメディアプラットフォームのユーザーは確証バイアスの影響を受けやすく、^[93]偏った誤解を招く情報にさらされる可能性があります。^[94] パーソナライズされたフィルタリングの結果として、社会的選別やその他の意図しない差別的慣行も予想されます。 ^[95]

2016年の米国大統領選挙を受けて、学者たちはフィルターバブルが民主主義と民主的プロセスに与える影響、および「イデオロギーメディア」の台頭についても同様に懸念を表明している。^[11]これらの学者たちは、フィルターバブルがパーソナライズされたソーシャルフィードを作成し、多様な視点や周囲のコミュニティからユーザーを孤立させるため、ユーザーが「自分の狭い利己心を超えて考える」ことができなくなることを懸念している。^[96]このため、ますます議論されている可能性は、ソーシャルメディアをよりセレンディピティのあるものに設計すること、つまり、フィルターバブルの外にあるコンテンツ（挑戦的な政治情報を含む）を積極的に推奨し、最終的にはユーザーに力を与えるフィルターとツールを提供することである。 ^{[97] [98] [99]関連する懸念は、フィルターバブルが「}フェイクニュース」の蔓延にどのように寄与し、それがユーザーの投票方法を含む政治的傾向にどのように影響するかということである。^{[11] [100] [101]}

2018年3月にケンブリッジ・アナリティカが2016年の大統領選挙中に少なくとも8700万のフェイスブックプロフィールのユーザーデータを収集し使用していたことが明らかになり、フィルターバブルの倫理的意味合いが浮き彫りになった。^[102]ケンブリッジ・アナリティカの共同設立者で内部告発者のクリストファー・ワイリーは、同社がどのようにしてそれらのユーザーの「心理的」プロファイルを作成し、その情報を使って投票行動を形成する能力を持っていたかを詳述した。^[103]ケンブリッジ・アナリティカなどの第三者によるユーザーデータへのアクセスは、ユーザーが作成した既存のフィルターバブルを悪化させ、増幅させ、既存の偏見を人為的に増加させ、社会をさらに分断する可能性がある。

フィルターバブルは、ユーザーを罠にかけるメディアのパーソナライゼーションの急増から生じています。AIを使用してコンテンツをパーソナライズすると、ユーザーは自分の意見に異議を唱えることなく、自分の意見を強化するコンテンツのみを閲覧する可能性があります。Facebookなどのソーシャルメディアのウェブサイトでは、ユーザーがコンテンツのソースを判断するのが困難な方法でコンテンツを提示することもあり、その場合、ソースが信頼できるか偽物かをユーザーが自分で判断することになります。^[104]これにより、人々は聞きたいことを聞くことに慣れてしまい、反対の意見を見たときに過激に反応する可能性があります。フィルターバブルにより、反対の意見は間違っていると見なすようになり、メディアが消費者に意見を押し付ける可能性があります。^{[105] [104] [106]}

研究によれば、フィルターバブルは人がすでに考えていることを強化すると説明されている。^[107]そのため、様々な視点を提供するリソースを活用することが極めて重要である。^[107]

• パリサー、エリ。フィルターバブル：インターネットがあなたから隠しているもの、ペンギン・プレス（ニューヨーク、2011年）ISBN 978-1-59420-300-8 
• グリーン、ホリー (2011 年 8 月 29 日)。「インターネット フィルター バブルから抜け出す」。Forbes。2011年12月 4 日閲覧。
• フリードマン、アン（2014 ）。「バイラル化」コロンビアジャーナリズムレビュー。52 （6）：33-34。
• Bozdag, Engin; van den Hoven, Jeroen (2015年12月). 「フィルターバブルを破る: 民主主義とデザイン」.倫理と情報技術. 17 (4): 249–265. doi : 10.1007/s10676-015-9380-y .
• ボイド、ダナ・M.; エリソン、ニコール・ B. (2007 年 10 月)。「ソーシャル ネットワーク サイト: 定義、歴史、学術研究」。コンピュータ媒介コミュニケーション ジャーナル。13 (1): 210–230。doi : 10.1111/ j.1083-6101.2007.00393.x。S2CID 52810295。
• Nguyen, Tien T.; Hui, Pik-Mai; Harper, F. Maxwell; Terveen, Loren; Konstan, Joseph A. (2014) 「フィルターバブルの探究: 推薦システムの使用がコンテンツの多様性に与える影響」。第23 回 World Wide Web 国際会議の議事録。pp. 677–686。doi : 10.1145 /2566486.2568012。ISBN 9781450327442. S2CID  16747810。
• Resnick, Paul; Garrett, R. Kelly; Kriplean, Travis; Munson, Sean A.; Stroud, Natalie Jomini (2013)。「(フィルター)バブルの破裂: 多様な露出を促進するための戦略」。2013年 Computer Supported Cooperative Work Companion カンファレンスの議事録。pp. 95–100。doi : 10.1145 / 2441955.2441981。ISBN 9781450313322. S2CID  20865375。
• Liao, Q. Vera; Fu, Wai-Tat (2013)。「フィルターバブルを超えて: 認識された脅威とトピックへの関与が情報への選択的露出に及ぼす相互作用的影響」。コンピューティングシステムにおけるヒューマンファクターに関する SIGCHI カンファレンスの議事録。pp. 2359–2368。doi :10.1145 / 2470654.2481326。ISBN 9781450318990. S2CID  8504434。
• Holone, Harald (2016). 「フィルターバブルとオンラインの個人健康情報への影響」. Croatian Medical Journal . 57 (3): 298–301. doi :10.3325/cmj.2016.57.298. PMC  4937233. PMID  27374832.

• オンライン フィルター バブルにご用心。TED トーク、2011 年 3 月