Facebook har en betydande makt över politisk diskurs i USA, tack vare ett annonsleveranssystem som förstärker politisk polarisering bland användare, enligt ny forskning från ett team av datavetare.

Studien, publicerad denna vecka av forskare från Northeastern University, University of Southern California, och den ideella teknikorganisationen Upturn, visar för första gången att Facebook levererar politiska annonser till sina användare baserat på innehållet i dessa annonser och den information som medieföretaget har om sina användare - och inte nödvändigtvis baserat på den publik som annonsören avser.

"Vi fann att Facebook oproportionerligt mycket kommer att leverera en annons till de användare som [Facebook] tror håller med annonsen, endast baserat på innehållet, " säger Alan Mislove, en professor i datavetenskap vid Northeastern och en av författarna till tidningen.

Mislove säger att fynden har allvarliga konsekvenser för demokratin i USA. Facebook är en av världens största reklamplattformar, och dess annonsleveranssystem skapar informationsfilterbubblor för sina användare, visar forskningen. Den avslöjar att medborgarna får annonser som stärker deras befintliga politiska övertygelse, och utesluts från att se annonser som utmanar dessa övertygelser.

I ett uttalande till The Washington Post, en talesman för Facebook bestred allvaret i fynden.

"Fynd som visar att annonser om en presidentkandidat levereras till människor i deras politiska parti bör inte komma som en överraskning, "Facebook -talesman Joe Osborne sa till Posten." Annonser bör vara relevanta för de människor som ser dem. Det är alltid så att kampanjer kan nå den målgrupp de vill ha med rätt inriktning, mål, och spendera."

Men Mislove säger att detta är en förenkling.

"Jag tror inte att de flesta förstår graden av optimering som sker inom onlineannonsering, "säger han." När Facebook optimerar annonser för relevans, de optimerar också för Facebooks vinstmarginal. "

Facebook, som många av de största digitala företagen, håller sina algoritmer låsta och låsta. Så, för att förstå hur annonser levereras till användare, Mislove och hans kollegor - ett team som också inkluderade nordöstra doktoranderna Muhammad Ali och Piotr Sapiezynski - poserade som politiska annonsörer.

Forskarna spenderade mer än $ 13, 000 på en uppsättning reklamkampanjer som de använde för att testa hur Facebook främjar politiska budskap.

De fokuserade på att skapa annonskampanjer för USA:s senator Bernie Sanders, en demokrat, och president Donald J. Trump, en republikan. Vid tidpunkten för experimentet (början av juli 2019), de verkliga Sanders- och Trump-lägren hade spenderat mest pengar på Facebook-annonsering bland stora kandidater från båda partierna, och därför kände forskarna sig bekväma med att deras relativt lilla reklambudget inte skulle påverka vare sig Sanders eller Trumps valresultat.

Forskarna använde till stor del riktiga annonser i båda kampanjerna för att testa Facebooks annonsleveranssystem, men med omsorg om målgruppen. De skapade specifika publik med offentliga register i North Carolina och Facebooks egen demografiska information för att sortera människor efter politisk partitillhörighet.

Facebook och andra onlineannonseringsplattformar ger annonsörer en mängd olika verktyg för att rikta in sig på exakta målgrupper – en praxis som kallas "mikrotargeting" som håller på att omprövas av några av de största medieföretagen, inklusive Twitter och Google. (Forskarna noterar att Facebook också överväger att ändra sin policy.)

Med microtargeting, annonsörer kan nollställa vissa demografiska uppgifter i ett försök att få sin annons framför exakt vem de vill se den. De kan också välja mellan olika mål, som att visa annonsen för det största antalet användare, vilket var vad forskarna valde för sina annonser.

En av frågorna som forskarna avslöjade i sin studie är den relativt begränsade effekten sådana inriktningsalternativ faktiskt har på publiken, dock, jämfört med Facebooks interna system för att bestämma "relevans" för en annons, säger Mislove.

Detta system, som är en egenutvecklad algoritm som Facebook håller hemlig, är hur Facebook avgör vem som ser en viss annons och vem som inte gör det, säger Mislove. Och, i ett försök att optimera annonsens framgång, Facebooks algoritm levererar den till personer som den tror är benägna att gilla den.

Sådan optimering är inte unik för politiska annonser, Mislove säger; it's likely the same system Facebook uses to determine the relevance of every advertisement on its site.

Mislove says it might not be a problem for marketing ads or political ads that are intended to raise money by appealing to a campaign's base, but it is a problem for an ad that's intended to change the mind of a voter who's not already on board with the message.

In one case, the researchers found that when they targeted an audience of users defined by Facebook to have "likely engagement with US political content (Liberal)" and an equal audience of people who have "likely engagement with US political content (Conservative), " 60 percent of the liberal users saw their Democratic ads, and only 25 percent saw the Republican ads.

In another ad run, researchers pushed out Sanders and Trump ads at the same time to a conservative audience. All else being equal, the Trump ad was delivered to 21, 792 conservative Facebook users, and the Sanders ad to 17, 964 conservative users—almost 20 percent fewer people.

The researchers also found that if a political advertiser wanted to overcome this ideological divide, the advertiser had to pay more for the ad. In the most extreme cases, this meant paying as much as two- or three times more for an ad, Mislove says.

When the researchers sent out a neutral ad that encouraged people to register to vote, it reached a much more balanced proportion of liberal and conservative Facebook users, despite all other constraints being the same.

For Mislove, the results illustrate a broader problem in society today—the sheer amount of influence that unseen and unregulated algorithms have on everything we do.

"Whether you're browsing Facebook or using Google Maps, there's an algorithm that's optimizing everything you see online, " he says. "And there's very little accountability, and very little transparency, about how these algorithms determine what that optimization looks like. What I'm thinking about is how we can measure these things, and how we can audit them."