公告：Twitter推广 --twitter刷赞
twitter的个人化演算法比极左更多地弱化左倾文本，而新闻报导中的两极化党派仇恨能促进弱化，但根据对上百万市民的分析，该演算法不支持双方的在政治上顽固，而并非保守的宗教信仰。 Twitter 科学研究相关人员的贴文称。
Facebook 等SNS媒体网络平台长久以来以其在乌克兰在政治上词句中的配角而受到审核，Twitter 的科学研究相关人员企图更快地了解她们的配角。为了努力做到这一点，科学研究相关人员将她们的科学研究分为两部份： 第一部份检验源自 electe 的 tweets三个天数线演算法（网页天数线优先选择考量 Twitter 认为你想看见的贴文和最新贴文，按天数爱勤显示贴文）弱化了在政治上文本。
在八个北欧国家中的五个北欧国家（除德国外），当作为一个社会群体展开科学研究时，由在政治上右翼帐户发布的贴文比在政治上右翼帐户获得更多的演算法弱化，计算机科学副总裁 Rumman Chowdhury 和机器学习雇员 Luca Belli科学副研究员，写一则昌明。
但社会群体负面效应并没有转化成为个人负面效应。换言之，虽然党派或个人主义并非我们的系统在推荐文本时考量的因素，同一个党派中的三个人不一定会看见相同的弱化，她们写到。twitter称，整体而言，不论间接选举高官的在政治上文本属于别的党派，或者间接选举党是否掌权，相对于在政治上文本而言，twitter上的演算法弱化负面效应确实存在。虽然间接选举高官的文本只占twitter上所有在政治上文本的一小部份，科学研究相关人员随后对新闻媒体的演算法弱化负面效应展开了科学研究。报告发现：源自具有两极化左倾偏激的美国媒体的文本比源自极左的文本被弱化了一点儿。
同时，一些调查结果显示，新闻报导中两极化的党派仇恨可能与更高的弱化率有关，他补充道。但这能是任何一种方式，并且并不意味着倡导顽固的在政治上个人主义。正像报告指出的那样，媒体组织的在政治上派别由独立的服务器端（AllSides 和 AdFontes）确定，她们为所检查的贴该文镜像的每个媒体重新分配了 5 分（其中 5 分更偏左）由科学研究相关人员。
