ISSN 2311-3065 · EISSN 2311-3332

· Язык: ru

Статья: Искусственный интеллект и масс-медиа: негативные аспекты алгоритмов персонализации контента (2024)

Читать

Читать онлайн

Развитие технологий искусственного интеллекта и алгоритмов машинного обучения оказывает все большее влияние на сферы жизни общества, постепенно находя свое место не только в социальных медиа, но и в журналистике (Newman). Их активно внедряют в различные области масс-медиа, что позволяет автоматизировать ряд процессов медиакомпаний, оптимизируя работу журналистов, редакторов и медиаменеджеров. Данная тема представляет собой актуальную проблему в современном информационном обществе (Túñez-López et al.). Искусственный интеллект и процесс его обучения стали неотъемлемой частью процес сов создания, анализа и распространения контента, привнося новые возможности, но вместе с тем и серьезные вызовы. Например, алгоритмы персонализации позволяют адаптировать информацию к индивидуальным интересам и предпочтениям каждого пользователя, повышая его вовлеченность и удовлетворенность контентом. Таким образом социальные сети и многие другие интернет-платформы персонализированы для каждого пользователя на основе их демографических профилей и личных данных. В данной статье представлен обзор текущих научных данных о потенциальных рисках использования алгоритмов персонализации контента в масс-медиа. Результаты и выводы статьи могут помочь глубже понять природу этих рисков и сопряженные с ними вызовы для сферы массовой коммуникации.

Ключевые фразы: искусственный интеллект, ИИ, персонализация контента, СМИ, СОЦИАЛЬНЫЕ МЕДИА, алгоритмическая персонализация

Автор (ы): Тихонюк Анастасия Александровна

Журнал: Коммуникология

Предпросмотр статьи

Идентификаторы и классификаторы

УДК: 004.8. Искусственный интеллект
Префикс DOI: 10.21453/2311-3065-2024-12-3-43-60

Для цитирования:

ТИХОНЮК А. А. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАСС-МЕДИА: НЕГАТИВНЫЕ АСПЕКТЫ АЛГОРИТМОВ ПЕРСОНАЛИЗАЦИИ КОНТЕНТА // КОММУНИКОЛОГИЯ . 2024. ТОМ 12, №3

Текстовый фрагмент статьи

Список литературы

1. Володенков С.В. (2021). Интернет-коммуникации в глобальном пространстве современного политического управления: навстречу цифровому обществу. М.: Проспект.
2. Грушевская В.Ю. (2022). Модель фильтрации информации в социальных медиа // Журнал исследования социальной политики. №3. С. 393-406.
3. Давыдов С.Г., Замков А.В., Крашенинникова М.А., Лукина М.М. (2023). Использование технологий искусственного интеллекта в россий ских медиа и журналистике // Вестн. Моск. ун-та. Сер. 10: Журналистика. № 5. С. 3-21.
4. Ефанов А.А., Юдина Е.Н. (2021). Медиаэффекты в современном неоинформационном обществе. Коммуникология. Том 9. № 4. С. 136-147.
5. Карпова А.Ю. (2014). Информационная аномия: выбор на грани фола // Власть. № 1. С. 41-45.
6. Кириллина Н.В. (2022). Фрагментация аудитории медиа: от глобальной деревни к глобальному театру. Том 10. № 2. С. 170-179. https://doi.org/10.21453/2311-3065-2022-10-2-170-179.
7. Кириллина Н.В. (2021). О роли пользователя и фрагментации сети // Коммуникология. Том 9. № 2. С. 41-49. https://doi.org/10.21453/2311-3065-2021-9-2-41-49.
8. Мартыненко Т. С., Добринская Д. Е. (2021). Социальное неравенство в эпоху искусственного интеллекта: от цифрового к алгоритмическому разрыву// Мониторинг. №1. С. 171-192.
9. Суходолов А.П., Бычкова А.М., Ованесян С.С. (2019). Журналистика с искусственным интеллектом // Вопросы теории и практики журналистики. № 4. С. 647-667.
10. Толокнев К.А. (2022). Невидимый политрук: как алгоритмы персонализации формируют общественное мнение // Полития. № 4 (107). С. 63-82.
11. Шарков Ф.И., Силкин В.В. (2021). Генезис социологии медиапространства // Вестник Российского университета дружбы народов. Серия: Социология. Т. 21. № 3. С. 557-566. https://doi.org/10.22363/2313-2272-2021-21-3-557-566.
12. Amoore L. (2020). Cloud Ethics: Algorithms and the Attributes of Ourselves and Others. Durham: Duke University Press.
13. Aridor G., Goncalves D., Sikdar S. (2020). Deconstructing the Filter Bubble: User Decision-Making and Recommender Systems. In: RecSys’20: Fourteenth ACM Conference on Recommender Systems, Brazil, September 22-26. P. 82-91.
14. Bakshy E., Messing S., Adamic L. (2015). Exposure to Ideologically Diverse News and Opinion on Facebook. Science. Vol. 348. No. 6239. P. 1130-1132.
15. Barnidge M. (2017). Exposure to Political Disagreement in Social Media Versus Face-to-Face and Anonymous Online Settings. Political Communication. Vol. 34. No. 2: P. 302-321.
16. Bastian M., Makhortykh M., Dobber T. (2019). News personalization for peace: how algorithmic recommendations can impact conflict coverage. International Journal of Conflict Management. Vol. 30. No. 3. P. 309-328.
17. Bigman Y.E., Wilson D., Arnestad M. N., Waytz A., Gray K. (2023). Algorithmic discrimination causes less moral outrage than human discrimination. Journal of Experimental Psychology: General. No. 152 (1). P. 4-27.
18. Bozdag E. (2013). Bias in algorithmic filtering and personalization. Ethics and Information Technology. Vol.15. No. 3. P. 209-227.
19. Brady W.J., Jackson J.C., Lindström B., Crockett M.J. (2023). Algorithm-mediated social learning in online social networks. Trends in Cognitive Sciences. Vol. 27. No. 10. P. 947-960.
20. Chaney A.J., Stewart B.M., Engelhardt B.E. (2017). How algorithmic confounding in recommendation systems increases homogeneity and decreases utility. In: Proceedings of the 12th ACM Conference on Recommender Systems. Vancouver. P. 224-232.
21. Chen Y.-S., Zaman T. (2024). Shaping opinions in social networks with shadow banning. PLoS ONE. Vol. 19. No. 3. P. 1-30.
22. Delmonaco D., Mayworm S., Thach H., Guberman J. (2024). What are you doing, TikTok?: How Marginalized Social Media Users Perceive, Theorize, and “Prove” Shadowbanning. In: Proc. ACM on Human-Computer Interaction. Vol. 8. Article 154 (April 2024). https://doi.org/10.1145/3637431.
23. Eg R., Tønnesen Ö., Tennfjord M. (2023). A scoping review of personalized user experiences on social media: The interplay between algorithms and human factors. Computers in Human Behavior Reports. Vol. 9. No. 3. P. 100253.
24. Flaxman S., Goel S., Rao J.M. (2016). Filter bubbles, echo chambers, and online news consumption. Public Opinion Quarterly. Vol. 80. No. 1. P. 298-320.
25. Gao Y., Liu H. (2022). Artificial intelligence-enabled personalization in interactive marketing: A customer journey perspective. Journal of Research in Interactive Marketing. Vol. 17. No. 1. P. 1-18.
26. Gentsch Pr. (2019). AI in Marketing, Sales and Service: How Marketers without a Data Science Degree can use AI, Big Data and Bots.
27. Geschke D., Lorenz J., Holtz P. (2019). The Triple-Filter Bubble: Using Agent-Based Modeling to Test a Meta-Theoretical Framework for the Emergence of Filter Bubbles and Echo Chambers. British Journal of Social Psychology. Vol. 58. No. 1. P. 129-149.
28. Gillespie T., Boczkowski P. J., Foot K.A. (eds.) (2014). The Relevance of Algorithms. Media Technologies: Essays on Communication, Materiality, and Society. Cambridge, MA: MIT Press.
29. Gran A.B., Booth P., Bucher T. (2020). To be or not to be algorithm aware: a question of a new digital divide? Information, Communication & Society. Vol. 24. No. 03. P. 1-18.
30. Hagendorff T. (2020). The Ethics of AI Ethics: An Evaluation of Guidelines. Minds & Machines. Vol. 30. No. 03. P. 99-120.
31. Hargittai E., Micheli M. (2019). Internet Skills and Why They Matter. In: Graham M., Dutton W. H. (eds.) Society and the Internet: How Networks of Information and Communication Are Changing Our Lives. Oxford: Oxford University Press. P. 109-124.
32. Hassan R. (2020) The Condition of Digitality: A Post-Modern Marxism for the Practice of Digital Life. London: University of Westminster Press.
33. Helberger N. (2016). Policy implications from algorithmic profiling and the changing relationship between newsreaders and the media. Javnost - The Public. Vol. 23. No. 2. P. 188-203.
34. Helberger N. (2019). On the Democratic Role of News Recommenders. Digital Journalism. Vol. 7. No. 4. P. 1-20.
35. Hosanagar K., Fleder D., Lee D., Buja A. (2014). Will the Global Village Fracture Into Tribes? Recommender Systems and Their Effects on Consumer Fragmentation. Management Science. Vol. 60. No. 4, P. 805-823.
36. Jain S., Sundstrom M. (2021). Toward a conceptualization of personalized services in apparel e-commerce fulfillment. Research Journal of Textile and Apparel. Vol. 25. No. 4. P. 414-430.
37. Joris G., Grove F.D., Van Damme K., De Marez L. (2021). Appreciating News Algorithms: Examining Audiences’ Perceptions to Different News Selection Mechanisms. Digital Journalism. Vol. 9. No. 5, P. 589-618.
38. Just N., Latzer M. (2017). Governance by algorithms: reality construction by algorithmic selection on the Internet. Media, Culture & Society. Vol. 39 No. 2, P. 238-258.
39. Kant T. (2020). Making it Personal: Algorithmic Personalization, Identity, and Everyday Life. Oxford Academic.
40. Karduni A. (2019). Human-Misinformation interaction: Understanding the interdisciplinary approach needed to computationally combat false information. Vol. 1. No. 1. P. 1-21.
41. Kim T., Barasz K., John L. K. (2018). Why Am I Seeing This Ad? The Effect of Ad Transparency on Ad Effectiveness. Journal of Consumer Research. Vol. 45. No. 5. P. 906-932.
42. Kitchin R. (2017). Thinking critically about and researching algorithms. Information, Communication & Society. Vol. 20. No. 1. P. 14-29.
43. Lee M. K. (2018). Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society. Vol. 5. No. 1. P. 1-16.
44. Masrour F., Wilson T., Yan H., Tan P. N., Esfahanian A. (2020). Bursting the Filter Bubble: Fairness-aware Network Link Prediction. In: Proceedings of the AAAI conference on artificial intelligence. Vol. 34. No. 01. P. 841-848.
45. Möller J., Trilling D., Helberger N., van Es B. (2018). Do not blame it on the algorithm: an empirical assessment of multiple recommender systems and their impact on content diversity. Information, Communication & Society. Vol. 21. No. 7. P. 959-977.
46. Morik M., Singh A., Hong J., Joachims T. (2020). Controlling Fairness and Bias in Dynamic Learning-to-Rank. In: Proceedings of the 43rd International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR ’20), July 25-30, 2020, Virtual Event, China. ACM, New York, NY, USA.
47. Newman N. (2020). Journalism, media and technology: trends and predictions for 2020. London: Reuters Institute for the Study of Journalism & Oxford University.
48. Nguyen T.T., Hui P.M., Harper F.M, Terveen L., Konstan J.A. (2014). Exploring the Filter Bubble: The Effect of Using Recommender Systems on Content Diversity. In: Proceedings of the 23rd International Conference on World Wide Web. Association for Computing Machinery. New York. P. 677-686.
49. Pariser E. (2011). The filter bubble: What the Internet is hiding from you. Penguin.
50. Pu P., Chen L., Hu R. (2012). Evaluating recommender systems from the user’s perspective: Survey of the state of the art. User Modeling and User-Adapted Interaction. Vol. 22. No. 10. P. 317-355
51. Ragnedda M. (2020). Enhancing Digital Equity. Connecting the Digital Underclass. Cham: Palgrave Macmillan.
52. Ricci F., Rokach L., Shapira B. (2015). Recommender Systems: Introduction and Challenges. In: Recommender Systems Handbook. P. 1-34.
53. Soffer O. (2021). Algorithmic Personalization and the Two-Step Flow of Communication. Communication Theory. Vol. 31. No. 3. P. 297-315.
54. Sunstein C.R. (2001). Echo chambers. Princeton: Princeton University Press.
55. Túñez-López J.M., Fieiras Ceide C., Vaz-Álvarez M. (2021). Impact of Artificial Intelligence on Journalism: transformations in the company, products, contents and professional profile. Communication & Society. Vol. 34. No. 1. P. 177-193.
56. Túñez-López M., Toural-Bran C., Cacheiro-Requeijo S. (2018). Uso de bots y algoritmos para automatizar la redacción de noticias: percepción y actitudes de los periodistas en España. El profesional de la información. Vol. 27. No. 4. P. 750-758.
57. Turner Lee N., Resnick P. Barton G. (2019). Algorithmic Bias Detection and Mitigation: Best Practices and Policies to Reduce Consumer Harms. Brookings Inst.
58. Van Dijck J. (2013). The Culture of Connectivity: A Critical History of Social Media. Oxford University Press.
59. Vosoughi S., Roy D., Aral S. (2018). The spread of true and false news online. Science. Vol. 359. Iss. 6380. P. 1146-1151.
60. Yang X., Zhang L., Feng Z. (2023). Personalized Tourism Recommendations and the ETourism User Experience. Journal of Travel Research. Vol. 63. Iss. 5. https://doi.org/10.1177/00472875231187332.

Выпуск

Том 12, №3 (2024)

Кол-во страниц: 190 страниц

Другие статьи выпуска

Креативность и креативный субъект в поле коммуникаций: современное понимание и базовые характеристики (часть I) (2024)

Авторы: Гавра Дмитрий Петрович, Байер Юлия Паулевна

В статье рассматривается динамика восприятия креативности в последовательных попытках изучить ее интерпретации в социальных науках и предлагается социально-коммуникативный подход к пониманию категорий креативности и креативного субъекта. Анализируются подходы к дефиниции креативности в различных исследовательских парадигмах: показана применимость социальнокоммуникативного подхода, критически рассматриваются социально-психологические и социологические дефиниции креативности. Авторы вступают в дискуссию о критериях и признаках креативности. Рассматриваются основные параметры и критерии креативности как коммуникативного феномена. Предложено новое понимание концепта креативности, увязывающее воедино три сопряженных понятия: креативный процесс, креативный субъект и креативный продукт. Обоснована типология креативных продуктов. Обсуждается проблема потребительной стоимости креативного продукта с выделением ее рационального и эмоционального измерений.

Сохранить в закладках

Потенциал медиаресурсов в популяризации волонтерской деятельности (2024)

Авторы: Алексеёнок Анна Алексеевна, Путилина Юлия Юрьевна, Музалевский Владислав Игоревич

Статья посвящена возможностям массмедиа для популяризации волонтерства среди студенческой молодежи. Развитие медиатехнологий неизбежно влияет на процесс социализации. Цифровые медиаресурсы оказывают сильное влияние на формирование образцов поведения, норм и правил, и следовательно их возможности могут быть использованы для развития просоциальной направленности в поведении молодежи. Пропаганда волонтерской деятельности предполагает соответствующий выбор каналов и способов подачи информации в массмедиа с учетом характеристик аудитории. Эффективными конструктами в данном процессе могут стать стратегии, предполагающие возможность влияния на принятие решения на уровне подсознания, в том числе на основе прайминга, фрейминга в средствах массовой информации за счет фокусирования внимания аудитории на стратегически важных моментах и ситуациях. Объединение социальных, когнитивных и информационных технологий дает возможность включать в коммуникативное и информационное пространство манипулятивные приемы, способствующие формированию привлекательного имиджа волонтерства и мотивации соответствующих поведенческих установок/

Сохранить в закладках

Межэтнические коммуникации в формировании и реализации государственной информационной политики (2024)

Авторы: Сулейманова Шукран Саидовна

В статье рассматриваются проблемы межэтнических коммуникаций в контексте изменяющейся государственной информационной политики и с точки зрения возрастающего воздействия средств массовой коммуникации на социальные процессы в мире. Автор вводит понятие псевдокоммуникации, применяемой субъектами глобального информационного пространства, в частности, в рамках информационного противоборства. Анализируя пространство политической коммуникации, автор обращает внимание на его насыщенность информационными шумами, вербальной агрессией, что создает проблемы и барьеры в процессе коммуникации между государствами. Эти проблемы не в меньшей степени характерны для межэтнических коммуникаций, то есть для процессов взаимодействия с теми или иными этническими группами или между ними. Отмечая рост этнического фактора в современных политических процессах, автор призывает учитывать спектр проблем, свойственных для межэтнических коммуникаций на современном этапе их развития, в формировании и практической реализации информационной политики государства, которая должна отвечать на запросы и интересы общества, с учетом культурного и этнического разнообразия его представителей.

Сохранить в закладках

Событийная коммуникация музеев университетов и научных организаций (на примере акции «Ночь музеев – 2024» в Санкт-Петербурге) (2024)

Авторы: Арканникова Марина Сергеевна

Статья посвящена рассмотрению событийной коммуникации на примере участия во всероссийской акции «Ночь музеев» музеев университетов и научных организаций Санкт-Петербурга в 2024 году. Социологический опрос петербуржцев показал достаточную осведомленность об акции «Ночь музеев»: каждый второй знает как об акции, так и о ее проведении в 2024 году в Северной столице. Однако желающих принять участие в ней в 2024 году не превысило 20%, тем более посетить музеи вузов и учреждений науки (2%). Анализируя категорию «событийная коммуникация» на стыке методологических подходов политологии и дискурсологии, автору представляется перспективным изучение взаимовлияния трех дискурсивных конструктов: музейный дискурс – дискурс государственной политики памяти – дискурс национальной идентичности, рассматриваемых применительно к современным политическим реалиям России в контексте реализации стратегии национальной безопасности.

Сохранить в закладках

Развитие телеграм-канала в продвижении политического бренда (2024)

Авторы: Кузьмин Кирилл Николаевич, Кравцов Владимир Владимирович, Шишков Олег Геннадьевич

Статья посвящена конструированию политического бренда кандидата на выборах президента Российской Федерации в Телеграм. Авторы рассматривают официальный канал кандидата как один из компонентов коммуникационной деятельности политика в рамках предвыборной кампании. При этом данная коммуникационная деятельность исследуется с точки зрения текстовой составляющей – как отдельных материалов, так и коммуникационного полотна канала в целом. Исследование проведено на основе изучения постов, опубликованных в официальном телеграмканале кандидата на пост Президента Российской Федерации Н. М. Харитонова в период с 9 января 2024 года по 21 марта 2024 года (с момента публикации первого поста до публикации итогового интервью по результатам предвыборной кампании, всего 69 текстовых сообщений). Выявлены сквозные образы, используемые политиком в постах – образы «сердца», «дома», «села/деревни», проанализирована их взаимосвязь и подведены итоги кампании политика в Телеграм в аспекте поддержания необходимого уровня позиционирования политического бренда.

Сохранить в закладках

Политическая коммуникация с позиций идеационного поворота: когнитивная репрезентация идеи Шанхайской Организации Сотрудничества (статья на английском языке) (2024)

Авторы: Валюлина Екатерина Владимировна, Халина Наталья Васильевна, Ильиных Алина Валентиновна

В статье рассматривается специфика политической когниции как структурного элемента политической коммуникации. Основная задача исследования – выявить в условиях идеационного поворота характеристики политико-медийной оси Шанхайской организации сотрудничества, смоделированные в научно-медийных публикациях и обусловленные различной логикой и политическими когнициями авторов. Медиатизация современного политического дискурса позволяет рассматривать идеологию как потенциальную возможность, создающую основания через реконтекстуализацию символики институционального прошлого упорядочивать институциональное настоящее. Приоритетной в понимании идеологии признается позиция аргентинского социолога, антрополога и семиотика, профессор коммуникационных наук Университета Сан-Андреса Элисио Верона. Наиболее продуктивной в плане представления и описания множественности взаимодействия между участниками политической коммуникации, сбалансирования коммуникации политических когниций полагается критическая лингвистика. В процессе концептуального моделирования используются элементы политический анализа, основывающегося на обращении к идеям как причинно-следственным переменным. Исследование осуществляется с учетом значимости причинно-конститутивных логик, при этом приоритетной логикой коммуникации признается каузальная логика, с ориентацией на идею как фокусную точку. Идея сотрудничества, моделирующая институциональные функции ШОС, рассматривается через когнитивные презентации в научно-медийных источниках, для интерпретации которых используется терминологический и понятийный аппарат русского конструктивизма.

Сохранить в закладках

Траектории развития политических элит в современном информационно-коммуникационном пространстве (2024)

Авторы: Шарков Феликс Изосимович, Родионов Михаил Александрович, Волкова Татьяна Александровна

Статья посвящена социально-политическому осмыслению функционирования политико-административной элиты в современном информационно-коммуникационном пространстве. Актуальность темы исследования обусловлена необходимостью уточнения понятий «политическая элита», «административная элита, «властная элита» «политическо-административная элита», а также выявления её отличительных особенностей. Рассматриваются теоретические основания дефиниции понятий «политическая элита» и «административная элита» с точки зрения лингвистики и политической науки. Авторами выдвигается тезис об относительной самостоятельности административной элиты как категории политологического анализа и обоснованности изучения государственной администрации вне рамок концепции дихотомии политико-административных элит. Рассматриваются теоретические подходы и модели западных и отечественных исследователей по проблеме взаимоотношений политической и административной элит. В заключительной части статьи приводится авторская оценка роли западных политических элит в условиях современного геополитического противостояния.

Сохранить в закладках

Издательство

Издательство: АССОЦИАЦИЯ "МЕЖДУНАРОДНАЯ АКАДЕМИЯ КОММУНИКОЛОГИИ"
Регион: Россия, Москва
Почтовый адрес: 108809, г Москва, Филимонковский р-н, Новомосковский округ, деревня Соколово, д 28А
Юр. адрес: 108809, г Москва, Филимонковский р-н, Новомосковский округ, деревня Соколово, д 28А
ФИО: Шарков Феликс Изосимович (ПРЕЗИДЕНТ)
Контактный телефон: +7 (___) _______

Все права на тексты и товарные знаки принадлежат их законным владельцам. Подробнее...

Сайт https://scinetwork.ru (далее – сайт) работает по принципу агрегатора – собирает и структурирует информацию из публичных источников в сети Интернет, то есть передает полнотекстовую информацию о товарных знаках в том виде, в котором она содержится в открытом доступе.

Сайт и администрация сайта не используют отображаемые на сайте товарные знаки в коммерческих и рекламных целях, не декларируют своего участия в процессе их государственной регистрации, не заявляют о своих исключительных правах на товарные знаки, а также не гарантируют точность, полноту и достоверность информации.

Все права на товарные знаки принадлежат их законным владельцам!

Сайт носит исключительно информационный характер, и предоставляемые им сведения являются открытыми публичными данными.

Администрация сайта не несет ответственность за какие бы то ни было убытки, возникающие в результате доступа и использования сайта.

Спасибо, понятно.

Наведите камеру на QR-код, чтобы открыть моб. версию страницы.

Автор

Тихонюк Анастасия