Temuan Steve Rathje Ungkap Algoritma  Twitter Lebih Condong Mendukung Konten Sayap Kanan Menjadi Viral

JAKARTA - Sebuah posting di blog Twitter mengungkapkan bahwa algoritme Twitter mempromosikan konten yang condong ke kanan lebih sering daripada yang kiri. Akan tetapi alasannya masih belum jelas. Temuan ini diambil dari studi internal tentang amplifikasi algoritmik konten politik Twitter.

Selama penelitian, Twitter melihat jutaan tweet yang diposting antara 1 April dan 15 Agustus 2020. Tweet ini berasal dari outlet berita dan pejabat terpilih di Kanada, Prancis, Jerman, Jepang, Spanyol, Inggris, dan AS.

Di semua negara yang diteliti, kecuali di Jerman, Twitter menemukan bahwa akun yang condong ke kanan “menerima lebih banyak amplifikasi algoritmik daripada sayap kiri politik.” Itu juga menemukan bahwa konten yang condong ke kanan dari outlet berita mendapat manfaat dari bias yang sama.

“Postingan negatif ​​tentang outgroups politik cenderung menerima lebih banyak keterlibatan di facebook dan twitter”

Twitter mengatakan bahwa mereka tidak tahu mengapa data menunjukkan algoritmenya mendukung konten yang condong ke kanan, dan mencatat bahwa itu adalah "pertanyaan yang jauh lebih sulit untuk dijawab karena ini adalah produk dari interaksi antara orang dan platform."

Namun, hal itu mungkin tidak menjadi masalah dengan algoritma Twitter secara khusus menurut Steve Rathje, seorang kandidat  Ph.D., yang mempelajari media sosial. Ia menerbitkan hasil penelitiannya yang menjelaskan bagaimana konten yang memecah belah tentang outgroup politik lebih cenderung menjadi viral.

“Dalam penelitian kami, kami juga tertarik pada jenis konten apa yang diperkuat di media sosial dan menemukan tren yang konsisten: postingan negatif tentang kelompok luar politik cenderung menerima lebih banyak keterlibatan di Facebook dan Twitter,” kata Rathje seperti dikutip The Verge.

“Dengan kata lain, jika seorang Demokrat berkomentar negatif tentang seorang Republikan (atau sebaliknya), konten semacam ini biasanya akan menerima lebih banyak keterlibatan,” tambah Rathje.

Jika mempertimbangkan penelitian Rathje, ini bisa berarti bahwa posting yang condong ke kanan di Twitter berhasil memicu lebih banyak kemarahan, dan menghasilkan amplifikasi. Mungkin masalah algoritma Twitter terkait dengan mempromosikan tweet “beracun” lebih dari bias politik tertentu.

Seperti yang disebutkan sebelumnya, penelitian Twitter mengatakan bahwa Jerman adalah satu-satunya negara yang tidak mengalami bias algoritme condong ke kanan. Bisa jadi ini terkait dengan kesepakatan Jerman dengan Facebook, Twitter, dan Google untuk menghapus ujaran kebencian dalam waktu 24 jam. Beberapa pengguna bahkan mengubah negara mereka menjadi Jerman di Twitter untuk mencegah citra Nazi muncul di platform.

Twitter telah mencoba mengubah cara kami menge-Tweet untuk sementara waktu sekarang. Pada tahun 2020, Twitter mulai menguji fitur yang memperingatkan pengguna ketika mereka akan mengirim balasan yang kasar, dan baru tahun ini, Twitter mulai menguji coba sebuah pesan yang muncul ketika Anda berpikir Anda sedang terlibat dalam pertengkaran Twitter yang memanas.

Ini adalah tanda-tanda seberapa banyak hal yang sudah diketahui Twitter tentang masalah dengan intimidasi dan posting kebencian di platform mereka.

Frances Haugen, pelapor yang membocorkan sejumlah dokumen internal dari Facebook, mengklaim bahwa algoritma Facebook mendukung ujaran kebencian dan konten yang memecah belah. Twitter dapat dengan mudah berada di posisi yang sama tetapi secara terbuka membagikan beberapa pemeriksaan data internal sebelum ada kemungkinan kebocoran.

Rathje menunjukkan penelitian lain yang menemukan kemarahan moral memperkuat posting menjadi viral dari sudut pandang liberal dan konservatif tetapi lebih berhasil dari konten yang datang dari golongan konservatif.

Dia mengatakan bahwa ketika datang ke fitur seperti promosi algoritmik yang mengarah ke viralitas media sosial, "penelitian lebih jauh harus dilakukan untuk memeriksa apakah fitur ini membantu menjelaskan amplifikasi konten sayap kanan di Twitter."

Jika platform menggali masalah lebih jauh dan membuka akses ke peneliti lain, mungkin akan lebih baik menangani konten memecah belah di jantung masalah ini.