标题	期刊	年份
Deliberative Diversity for News Recommendations: Operationalization and Experimental User Study	Proceedings of the Seventeenth ACM Conference on Recommender Systems (RecSys '23)	2023

🌟论文背景

在信息爆炸的时代，新闻推荐系统（News Recommender Systems, NRS）已成为我们获取新闻的重要方式。这些系统通过算法为用户筛选和推送新闻内容，但在政治领域，它们的推荐机制可能会影响公众对政治议题的认知和态度，甚至左右投票行为。传统新闻推荐系统多以经济利益为导向，而忽视了新闻推荐在民主社会中的责任。因此，研究者们开始探索以规范（normative）为导向的新闻推荐系统，旨在通过推荐多样化的内容，促进公民的知情权和民主参与。

🔗相关工作

新闻推荐系统中的“可见性”（visibility）是一个关键概念，它指的是政治党派及其代表在新闻报道中所获得的相对覆盖量。已有研究表明，新闻报道中的可见性偏差会影响选民对政党的偏好，尤其是在选举期间。例如，执政党往往会在新闻报道中获得更多的曝光机会，这种“现任者优势”（incumbency bias）可能会对选举结果产生影响。此外，接触多样化新闻环境对用户的政治态度和行为也有一定影响，但目前对于新闻推荐系统如何影响用户政治认知和行为的研究还相对较少。

📊模型图输入输出转变

本研究提出了一个基于“审议式多样性”（deliberative diversity）的新闻推荐模型，其核心目标是通过算法实现不同政党的平等可见性，从而打破传统新闻推荐系统中存在的可见性偏差。模型的输入包括非政治新闻、地方政治新闻和全国政治新闻三个数据集，这些数据集经过预处理后，会根据是否包含政治实体（如政党或政治人物）进行标记。输出则是一个为用户量身定制的新闻推荐列表，其中政治新闻和非政治新闻按照一定的比例混合排列，以确保用户在浏览新闻时能够接触到不同政党的观点。

🧪实验设计

实验在德国下萨克森州的地方选举前进行，共有143名参与者随机分配到对照组（65人）和实验组（78人）。实验组的用户使用基于审议式多样性的新闻推荐系统，而对照组则使用传统的新闻推荐系统。实验通过追踪用户的新闻阅读行为，并在选举前后分别对用户进行调查，以评估新闻推荐系统对用户政治知识、态度和投票行为的影响。

🔧方法与创新

🛠️方法

研究者们采用了以下方法来实现审议式多样性：

1. 数据收集与预处理：从德国六家报纸中收集新闻文章，并通过自然语言处理技术（如命名实体识别）识别文章中提到的政党及其成员，为每篇文章计算政治引用分数（Political Reference Score, PRS）。

2. 算法设计：开发了一种新的新闻推荐算法，通过调整新闻文章的排序，确保不同政党的新闻在推荐列表中具有相似的可见性。算法将新闻文章分为政治新闻和非政治新闻，并在推荐列表中交替展示，以平衡用户的信息摄入。

3. 用户研究：通过实验设计，比较了使用审议式多样性推荐系统和传统推荐系统的用户在政治知识、态度和投票行为上的差异。

🌟创新点

1. 审议式多样性的操作化：首次将审议式多样性的概念转化为具体的算法模型，为新闻推荐系统的设计提供了一种新的思路。

2. 多维度效果评估：不仅关注新闻推荐对用户政治知识的影响，还考察了其对用户政治态度和投票行为的潜在影响，为全面评估新闻推荐系统的社会影响提供了新的视角。

3. 实验与现实结合：通过在真实选举环境中进行实验，验证了审议式多样性新闻推荐系统的实际效果，为理论研究提供了有力的实证支持。

📈实验结果

实验结果显示，使用审议式多样性新闻推荐系统的用户在政治新闻的阅读强度上显著高于对照组，且对少数党候选人的认知度更高。然而，这种多样化的新闻曝光并未显著改变用户的投票行为，表明新闻推荐系统对用户的政治态度和行为的影响可能较为复杂，需要进一步研究。