DE / EN

Responsible News Recommender Systems (ReNewRS)

Fördern Empfehlungs­systeme von Online-News gesellschaft­liche Polarisierung oder gar Radikalisierung? Im Projekt wird der Einfluss algorithmischer Nachrichtenauswahl auf die gesellschaft­liche Meinungs­bildung untersucht.

Durch die vermehrte Nutzung von Online-Informations­quellen wird der Nachrichtenkonsum zunehmend von Empfehlungs­systemen beeinflusst, die eine auf die Nutzer*in abgestimmte Nachrichtenauswahl kuratieren. Es wird kontrovers diskutiert, ob sich durch solche personalisierten Empfehlungen eine “Filterblase” herausbildet, die den Nutzer*innen einzig in seinen bereits vorherrschenden Ansichten bestärkt und widersprechende Informationen ausschließt. Infolgedessen stellt sich die Frage nach einer polarisierenden oder gar radikalisierenden Wirkung von Empfehlungs­systemen in Online-Medien. Das Projekt untersucht in einer Reihe von Experimental­studien das Auftreten von Filterblasen durch Nachrichten-Empfehlungs­systeme und deren Auswirkungen auf die Meinungs­bildung der Nutzer*innen.

Um Einblicke in die Thematik zu erhalten, die über einen einzelnen Anwendungs­bereich hinausgehen, erfolgt das Projekt in interdisziplinärer Zusammenarbeit der Medien- und Kommunikations­wissenschaft mit Data Science und Wirtschafts­informatik. Während die Perspektive aus der Medien- und Kommunikations­wissenschaft vorrangig die Basis für die Analyse des Nutzerverhaltens bietet, bedarf die technische Umsetzung einem tiefgreifenden Verständnis von daten- und computer­wissenschaft­lichen Methoden. Durch den Einsatz tatsächlich laufender Empfehlungs­systeme kommt dem Projekt eine Pionierstellung im Bereich der Online-Medienwirkungs­forschung zu.

Für das Treatment werden Themen identifiziert, die die klare Entscheidung für einen Standpunkt ermöglichen, um auftretende polarisierende Effekte messen zu können. Zu diesen Themen werden Artikelstichproben von Nachrichtenquellen ganz unterschiedlicher politischer Ausrichtung gezogen, über die anschließend unterschiedliche Versionen eines prototypischen Nachrichten-Empfehlungs­systems laufen werden. Durch den Vergleich der Resultate unterschiedlicher Empfehlungs­algorithmen kann untersucht werden, ob und wie Nachrichtenempfehlungs­systeme gestaltet werden müssen, um polarisierende Effekte möglichst zu vermeiden und eine ausgewogenere Meinungs­bildung zu ermöglichen. Aus diesen Ergebnissen sollen Richtlinien für verantwortungs­bewusste Nachrichten-Empfehlungs­systeme abgeleitet werden.