The echo chamber effect in social networks: theoretical analysis and steering strategies
L'effet de chambre d'écho dans les réseaux sociaux : analyse théorique et stratégies de contrôle
Résumé
I present a mathematical framework to model echo chambers in social networks, and steer their impact. Digital communication is ever so pervasive in our societies, as the online and offline worlds become increasingly entangled. In online social platforms, similar-minded users tend to gather, and form strongly opinionated communities. These so-called echo chambers are particularly salient in polarised debates regarding politics, societal issues or conspiracy theories, and tend to foster animosity between opposite sides and fuel reinforcement of pre-existing beliefs. The political and informational landscapes are significantly affected, turning the regulation of echo chambers into a crucial matter of cybersecurity. This calls for a more informed analysis and understanding of this phenomenon.
Whether an echo chamber is actually desirable or not is context-specific: my framework is agnostic and able to accommodate both. In the last few years, echo chambers have become a primary focus of research on opinion dynamics and in- formation diffusion, with a plethora of models amenable to shed light on empirical studies. There is however a lack of principled methods to efficiently steer the echo chamber effect.
In this PhD thesis I develop two mathematical models to describe, quantify and control the echo chamber effect: a macroscopic one based on group-level dynamics, and a microscopic one incorporating user-level features. For each model, I present algorithms which significantly impact the diversity of content users are exposed to, while accounting for individual preferences to avoid backfire effects. The accuracy of the models and the effectiveness of the recommendation algorithms are illustrated through applications on real-world data. This PhD thesis contributes insights to the benefit of the growing debate on regulation of online social platforms.
Je présente un cadre mathématique pour modéliser les chambres d'écho dans les réseaux sociaux et contrôler leur impact. La communication numérique est omniprésente dans nos sociétés, alors que les mondes en ligne et hors ligne s'entremêlent de plus en plus. Sur les plateformes sociales en ligne, les utilisateurs partageant les mêmes idées ont tendance à se rassembler et à former des communautés aux opinions bien arrêtées. Ces "chambres d'écho" sont particulièrement importantes dans les débats polarisés sur la politique, les questions de société ou les théories du complot, et tendent à entretenir l'animosité entre les camps opposés et à renforcer les croyances préexistantes. Les paysages politiques et informationnels sont considérablement affectés, ce qui fait de la régulation des chambres d'écho une question cruciale de cybersécurité. Il est donc nécessaire d'analyser et de comprendre ce phénomène de manière plus éclairée.
La question de savoir si une chambre d'écho est réellement souhaitable ou non dépend du contexte : mon cadre est agnostique et peut s'adapter aux deux. Ces dernières années, les chambres d'écho sont devenues l'un des principaux centres d'intérêt de la recherche sur la dynamique de l'opinion et la diffusion de l'information, avec une pléthore de modèles susceptibles d'éclairer les études empiriques. Il y a cependant un manque de méthodes fondées sur des principes pour piloter efficacement l'effet de chambre d'écho.
Dans cette thèse de doctorat, je développe deux modèles mathématiques pour décrire, quantifier et contrôler l'effet de chambre d'écho : un modèle macroscopique basé sur la dynamique de groupe, et un modèle microscopique incorporant des caractéristiques au niveau de l'utilisateur. Pour chaque modèle, je présente des algorithmes qui ont un impact significatif sur la diversité du contenu auquel les utilisateurs sont exposés, tout en tenant compte des préférences individuelles pour éviter les effets de contrecoup. La précision des modèles et l'efficacité des algorithmes de recommandation sont illustrées par des applications sur des données réelles. Cette thèse de doctorat apporte une contribution au débat croissant sur la régulation des plateformes sociales en ligne.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|