Studie: TikTok-Algorithmus reagiert nicht dauerhaft auf negatives Feedback
Neue Forschungsergebnisse deuten darauf hin, dass der TikTok-Algorithmus Inhalte möglicherweise nicht dauerhaft aus dem Feed eines Nutzers entfernt, selbst wenn negatives Feedback gegeben wird.
Forscher der Northern Illinois University haben untersucht, wie effektiv TikTok-Nutzer ihre 'For You Page' (FYP) beeinflussen können. Ihre Studie legt nahe, dass negatives Nutzerfeedback, wie die Nutzung der Funktion 'nicht interessiert', nur eine vorübergehende Auswirkung auf den Algorithmus hat.
Der Algorithmus zielt darauf ab, das Nutzererlebnis stark auf impliziten Signalen wie der Wiedergabezeit von Videos sowie expliziten Signalen wie Likes zu personalisieren. Die Forschung ergab jedoch, dass ähnliche Inhalte immer wieder erscheinen, auch wenn ein Nutzer ein Video nicht ansieht oder als 'nicht interessiert' markiert, es sei denn, negatives Feedback wird konsequent gegeben.
Piotr Sapiezynski, einer der Co-Autoren der Studie, erklärte gegenüber Ars Technica, dass sich seine Forschungsgruppe auf 'Algorithmus-Audits' spezialisiert, um besser zu verstehen, wie Online-Plattformen funktionieren. Ihr Ziel war es, die Handlungsfähigkeit der Nutzer auf TikTok zu untersuchen, da zahlreiche Nutzer die Ineffektivität von negativem Feedback gemeldet hatten.
Die Forschung deutet darauf hin, dass die tatsächlichen Auswirkungen der auf den Plattformen angebotenen Feedback-Tools auf die Inhaltsauswahl der Nutzer begrenzter sein könnten als erwartet. Dies wirft Fragen zur Nutzerkontrolle in digitalen Umgebungen auf.