Amplification pipelines: the role of feedback loops in recommender system bias

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Lente, Caio Truzzi
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Algorithmic bias
Aprendizagem de máquina
Machine learning
Recommender system
Sistemas de recomendação
Viés algorítmico
Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25032024-124902/
Resumo: Recommendation algorithms have become essential to various systems we use on a daily basis, from what movies to watch to what products to buy. However, with the proliferation of these models on social networks, new concerns have come to light. Anecdotal evidence and an ever growing body of research indicate that social network algorithms that promote engaging content might be radicalizing users through the amplification of fringe viewpoints. The present study aims to examine recommendation algorithms dynamically as a means to identify feedback loops that could end up polarizing and radicalizing users.
id USP_a21ed08725c075fc319d8db21d40cbdd
oai_identifier_str oai:teses.usp.br:tde-25032024-124902
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Amplification pipelines: the role of feedback loops in recommender system biasCanais de amplificação: o papel da retroalimentação no viés de sistemas de recomendaçãoAlgorithmic biasAprendizagem de máquinaMachine learningRecommender systemSistemas de recomendaçãoViés algorítmicoRecommendation algorithms have become essential to various systems we use on a daily basis, from what movies to watch to what products to buy. However, with the proliferation of these models on social networks, new concerns have come to light. Anecdotal evidence and an ever growing body of research indicate that social network algorithms that promote engaging content might be radicalizing users through the amplification of fringe viewpoints. The present study aims to examine recommendation algorithms dynamically as a means to identify feedback loops that could end up polarizing and radicalizing users.Algoritmos de recomendação tornaram-se essenciais para o funcionamento de diversos sistemas que usamos cotidianamente, desde quais filmes assistir até quais produtos comprar. Entretanto, com a proliferação destes modelos nas redes sociais, surgiram também novas preocupações. Evidências anedóticas e um corpo cada vez mais robusto de pesquisa têm indicado que os algoritmos das redes sociais, por valorizarem engajamento, podem estar radicalizando usuários através da amplificação de pontos de vista extremos. Este trabalho pretende estudar algoritmos de recomendação de maneira dinâmica para identificar ciclos de retroalimentação que podem acabar por polarizar e radicalizar usuários.Biblioteca Digitais de Teses e Dissertações da USPHirata Junior, RobertoLente, Caio Truzzi2023-05-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/45/45134/tde-25032024-124902/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2024-10-17T21:26:04Zoai:teses.usp.br:tde-25032024-124902Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-10-17T21:26:04Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Amplification pipelines: the role of feedback loops in recommender system bias
Canais de amplificação: o papel da retroalimentação no viés de sistemas de recomendação
title Amplification pipelines: the role of feedback loops in recommender system bias
spellingShingle Amplification pipelines: the role of feedback loops in recommender system bias
Lente, Caio Truzzi
Algorithmic bias
Aprendizagem de máquina
Machine learning
Recommender system
Sistemas de recomendação
Viés algorítmico
title_short Amplification pipelines: the role of feedback loops in recommender system bias
title_full Amplification pipelines: the role of feedback loops in recommender system bias
title_fullStr Amplification pipelines: the role of feedback loops in recommender system bias
title_full_unstemmed Amplification pipelines: the role of feedback loops in recommender system bias
title_sort Amplification pipelines: the role of feedback loops in recommender system bias
author Lente, Caio Truzzi
author_facet Lente, Caio Truzzi
author_role author
dc.contributor.none.fl_str_mv Hirata Junior, Roberto
dc.contributor.author.fl_str_mv Lente, Caio Truzzi
dc.subject.por.fl_str_mv Algorithmic bias
Aprendizagem de máquina
Machine learning
Recommender system
Sistemas de recomendação
Viés algorítmico
topic Algorithmic bias
Aprendizagem de máquina
Machine learning
Recommender system
Sistemas de recomendação
Viés algorítmico
description Recommendation algorithms have become essential to various systems we use on a daily basis, from what movies to watch to what products to buy. However, with the proliferation of these models on social networks, new concerns have come to light. Anecdotal evidence and an ever growing body of research indicate that social network algorithms that promote engaging content might be radicalizing users through the amplification of fringe viewpoints. The present study aims to examine recommendation algorithms dynamically as a means to identify feedback loops that could end up polarizing and radicalizing users.
publishDate 2023
dc.date.none.fl_str_mv 2023-05-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25032024-124902/
url https://www.teses.usp.br/teses/disponiveis/45/45134/tde-25032024-124902/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1818279231742803968

Registros relacionados