Nyheder
For alle nyheder, hvad end de måtte omhandle.
Regler
1. Brug artiklens titel
Titlen på indlæg skal være titlen på nyhedsartiklen der linkes til. Du må dog gerne oversætte titlen hvis den ikke er på dansk, så længe oversættelsen er retvisende. En alternativ titel (fx i tilfælde af clickbait) eller vigtig supplerende information kan angives i kantede parenteser. Fx: "Clickbait titel [Beskrivende titel]". Dette sikrer at titlen på artiklen ikke er misvisende.
2. Brug ikke tekstfeltet ("body")
Link udelukkende til artiklen. Tekstfeltet (“body” på engelsk) må kun bruges til at skrive et kort neutralt uddrag af artiklen eller et neutralt referat hvis artiklen er bag en betalingsmur. Hvis du vil tilføje spørgsmål, kommentarer eller udtrykke holdninger, så skriv en kommentar i stedet. Dette sikrer at debatten foregår fra et neutralt synspunkt der tager udgangspunkt i artiklen, og ikke en bestemt vinkling skrevet i tekstfeltet.
3. Kun nye artikler
Artikler må højst være en uge gamle. Dette sikrer at artikler faktisk er nyheder.
4. Debat-indlæg og andet skal markeres
Det er tilladt i et begrænset omfang at indlægge artikler der ikke som sådan er nyhedsartikler og ikke er skrevet af avisens ansatte (fx debat-indlæg eller læserbreve), men sådanne artikler skal markeres med [Debat] el. lign. mærkat i titlen af indlægget inden titlen på artiklen. Dette sikrer at brugere er klar over den potentielle højere bias der kommer fra debat-indlæg og sikrer at debat-indlæg ikke bruges til at skubbe en agenda.
Husk også at følge Feddit.dks generelle regler.
view the rest of the comments
Nogen der har et link til studiet? Gad godt læse om hvad præcist de der alternative bedre algoritmer gør.
Her er det. Har dog ikke selv læst det https://dl.acm.org/doi/pdf/10.1145/3772318.3790602
Okay det relevante lader til at være dette:
Det var lidt hvad jeg frygtede. De her sorteringsalgoritmer afhænger af at inddele folk på et 1-dimensionelt politisk spektrum ("os mod dem") og derefter bruge den viden til at vise indlæg som den "anden side" synes om, på den ene eller anden måde.
Der er flere problemer med den fremgangsmåde. For det første, hvordan finder du ud af om brugeren er liberal eller conservative? Du er nødt til på en eller anden måde at profilere brugeren eller, som de gør i studiet, direkte spørge brugeren om deres politiske ståsted.
For det andet, det er en tilgang til politisk splittelse der bunder meget i amerikanske tilstande. Jo, vi har rød og blå blok i Danmark, men jeg ved ikke om man kan sige at det er lige så 1-dimensionelt. Socialdemokratiet og Dansk Folkeparti er faktisk enige om mange ting - så skal S-brugere og DF-brugere tælles som højre eller venstre-orienterede?
Politik er ikke så simpelt at man kan placere det hele på en linje. Jeg har lidt svært ved at se hvordan de her algoritmer skulle udføres i virkeligheden.
En måde er måske sådan her: kør en form for clustering algoritme på alle brugere og find signifikante clusters. Brug så de clusters på samme måde som artiklen foreslår, altså vis indlæg som ikke bare har mange stemmer fra alle brugere som helhed, men som har stemmer fra de clusters som brugeren ikke selv er medlem af.
Det lyder dog kompliceret og hvordan det lige skal virke i praksis er jeg ikke sikker på. Den metode vil sikkert finde clusters som du ikke nødvendigvis er interesseret i at høre fra. Fx kunne den identifere en cluster som egentlig bare er "danskere" eller fx en cluster som er "star wars fans". Så vil algoritmen sige "Hey, dansker-clusteren stemmer sjældent på de samme ting som italiener-clusteren, måske skulle jeg vise dem hinandens indlæg!" - men det giver jo ingen mening, grunden til at danskere og italienere upvoter forskellige indlæg er ikke politisk uenighed, men sprog og kultur.