(sijori.id) - Dalam ulasan yang diterbitkan dalam jurnal Trends in Cognitive Science pada 3 Agustus , sekelompok ilmuwan sosial menjelaskan bagaimana fungsi algoritme media sosial tidak sejalan dengan naluri sosial manusia yang dimaksudkan untuk mendorong kerja sama, yang dapat menyebabkan polarisasi skala besar dan kesalahan informasi.

“Beberapa survei pengguna sekarang baik di Twitter maupun Facebook menunjukkan sebagian besar pengguna kelelahan dengan konten politik yang mereka lihat. Banyak pengguna yang tidak senang, dan ada banyak komponen reputasi yang harus dihadapi Twitter dan Facebook terkait pemilihan dan penyebaran informasi yang salah," kata penulis pertama William Brady, seorang psikolog sosial di Kellog School of Management di Northwestern.

"Kami ingin mengeluarkan tinjauan sistematis yang mencoba membantu memahami bagaimana psikologi manusia dan algoritme berinteraksi dengan cara yang dapat menimbulkan konsekuensi ini," kata Brady.

Ia menambahkan, salah satu hal yang dibawa oleh tinjauan ini adalah perspektif pembelajaran sosial. "Sebagai psikolog sosial, kami terus mempelajari bagaimana kami dapat belajar dari orang lain. Kerangka kerja ini sangat penting jika kita ingin memahami bagaimana algoritme memengaruhi interaksi sosial kami," katanya

Manusia bisa belajar dari orang lain dengan cara yang biasanya mempromosikan kerja sama dan pemecahan masalah kolektif, itulah sebabnya mereka cenderung belajar lebih banyak dari individu yang mereka anggap sebagai bagian dari ingroup mereka dan orang yang mereka anggap bergengsi.

Selain itu, ketika bias pembelajaran pertama kali berkembang, informasi yang bermuatan moral dan emosional penting untuk diprioritaskan, karena informasi ini akan lebih relevan untuk menegakkan norma kelompok dan memastikan kelangsungan hidup kolektif.

Sebaliknya, algoritme biasanya memilih informasi yang meningkatkan keterlibatan pengguna untuk meningkatkan pendapatan iklan. Ini berarti algoritme memperkuat informasi yang bias dipelajari oleh manusia, dan mereka dapat memenuhi umpan media sosial dengan apa yang oleh para peneliti disebut sebagai informasi Prestigious, Ingroup, Moral, and Emotional (PRIME), terlepas dari keakuratan konten atau keterwakilan pendapat kelompok.

Akibatnya, konten politik yang ekstrem atau topik kontroversial lebih cenderung diperkuat, dan jika pengguna tidak terpapar pada pendapat luar, mereka mungkin akan terjebak dengan pemahaman yang salah tentang pendapat mayoritas dari kelompok yang berbeda.

"Algoritme ini tidak dirancang untuk mengganggu kerja sama," kata Brady. "Hanya saja tujuannya berbeda. Dan dalam praktiknya, ketika Anda menyatukan fungsi-fungsi itu, Anda berakhir dengan beberapa efek yang berpotensi negatif ini."

Untuk mengatasi masalah ini, kelompok riset pertama-tama mengusulkan agar pengguna media sosial harus lebih sadar tentang cara kerja algoritme dan mengapa konten tertentu muncul di feed mereka. Perusahaan media sosial biasanya tidak mengungkapkan detail lengkap tentang bagaimana algoritme mereka memilih konten, tetapi satu permulaan mungkin menawarkan penjelasan mengapa pengguna diperlihatkan postingan tertentu. Misalnya, apakah karena teman pengguna terlibat dengan konten tersebut atau karena konten tersebut umumnya populer? Di luar perusahaan media sosial, tim peneliti sedang mengembangkan intervensi mereka sendiri untuk mengajari orang bagaimana menjadi konsumen media sosial yang lebih sadar.

Selain itu, para peneliti mengusulkan agar perusahaan media sosial dapat mengambil langkah-langkah untuk mengubah algoritme mereka, sehingga lebih efektif dalam membina komunitas. Alih-alih hanya mendukung informasi PRIME, algoritme dapat menetapkan batasan pada seberapa banyak informasi PRIME yang mereka perkuat dan prioritaskan untuk menyajikan beragam konten kepada pengguna. Perubahan ini dapat terus memperkuat informasi yang menarik sambil mencegah konten yang lebih terpolarisasi atau ekstrim secara politis menjadi terlalu terwakili di umpan.

"Sebagai peneliti, kami memahami ketegangan yang dihadapi perusahaan saat membuat perubahan ini dan garis bawahnya. Itulah mengapa menurut kami perubahan ini secara teoritis masih dapat mempertahankan keterlibatan sambil juga melarang representasi informasi PRIME yang berlebihan ini," kata Brady. "Pengalaman pengguna mungkin benar-benar meningkat dengan melakukan beberapa hal ini." (*)