งานวิจัยชี้ผู้ใช้ TikTok ควบคุมฟีด FYP ได้น้อยกว่าที่คิด
งานวิจัยจากนักวิทยาศาสตร์คอมพิวเตอร์ของ Northwestern University ตั้งคำถามต่อสิ่งที่ผู้ใช้ TikTok หลายคนเชื่อว่าเป็น “การควบคุม” ฟีด For You Page หรือ FYP ของตัวเองได้จริงแค่ไหน โดยเฉพาะเมื่อกดไม่สนใจ…

งานวิจัยจากนักวิทยาศาสตร์คอมพิวเตอร์ของ Northwestern University ตั้งคำถามต่อสิ่งที่ผู้ใช้ TikTok หลายคนเชื่อว่าเป็น “การควบคุม” ฟีด For You Page หรือ FYP ของตัวเองได้จริงแค่ไหน โดยเฉพาะเมื่อกดไม่สนใจหรือระบุว่าไม่อยากเห็นคอนเทนต์ประเภทหนึ่งแล้ว แต่ยังพบว่าวิดีโอแนวเดิมโผล่ขึ้นมาอีกอยู่ดี
TikTok แตกต่างจากโซเชียลมีเดียหลายแพลตฟอร์มตรงที่ระบบแนะนำคอนเทนต์พึ่งพาสัญญาณทางอ้อมหรือ implicit signals ค่อนข้างมาก เช่น ระยะเวลาที่ผู้ใช้ดูวิดีโอ มากกว่าสัญญาณชัดเจนอย่างการกดไลก์หรือกดติดตาม แม้อัลกอริทึมลักษณะนี้จะทำงานได้ดีในการคัดเลือกคอนเทนต์ที่น่าจะตรงใจ แต่ก็ทำให้ผู้ใช้จำนวนหนึ่งรู้สึกว่าแพลตฟอร์มไม่ค่อยรับฟัง “สัญญาณลบ” จากพวกเขา
ทีมวิจัยทำการทดสอบข้อสงสัยดังกล่าวผ่านแนวทางที่เรียกว่า algorithm audit ซึ่งใช้ตรวจสอบว่าระบบออนไลน์ทำงานอย่างไร ล้มเหลวตรงไหน และอาจส่งผลกระทบต่อผู้ใช้อย่างไร พวกเขารวบรวมเบาะแสจากประสบการณ์ของผู้ใช้ TikTok ที่บอกว่า ต่อให้กดไม่สนใจหรือเลือกให้แสดงเนื้อหาน้อยลง ก็ยังเห็นวิดีโอแบบเดิมวนกลับมาอยู่บน FYP
ผลการศึกษาชี้ว่า การให้ฟีดแบ็กเชิงลบมีผลจริง แต่ผลดังกล่าวอยู่ได้เพียงชั่วคราว หลังจากนั้นระบบแนะนำคอนเทนต์จะค่อย ๆ กลับไปสู่พฤติกรรมเดิม เว้นแต่ผู้ใช้จะย้ำสัญญาณเดิมซ้ำ ๆ อย่างต่อเนื่อง กล่าวอีกมุมหนึ่งคือ การตัดสินใจของผู้ใช้มีน้ำหนักกับฟีด แต่ไม่ใช่ในระดับที่ทำให้ระบบ “จำ” ความไม่ชอบนั้นได้ถาวร
ผู้เขียนงานวิจัยระบุว่าประเด็นนี้สะท้อนปัญหาเรื่องอำนาจการตัดสินใจของผู้ใช้บนแพลตฟอร์มดิจิทัล ว่าฟีเจอร์ที่ออกแบบมาเพื่อให้ผู้ใช้ควบคุมฟีดได้ อาจไม่ทรงพลังอย่างที่ถูกสื่อสาร และอาจทำงานเป็นเพียงกลไกปรับจูนระยะสั้นมากกว่าการเปลี่ยนผลลัพธ์ของอัลกอริทึมในระยะยาว
สำหรับภาพรวมของแพลตฟอร์ม งานวิจัยนี้ตอกย้ำว่าระบบแนะนำคอนเทนต์สมัยใหม่มีความซับซ้อนสูงและไม่ได้ขึ้นกับความตั้งใจของผู้ใช้เพียงอย่างเดียว แม้ TikTok จะมีเครื่องมือให้ผู้ใช้ส่งสัญญาณความชอบและไม่ชอบ แต่การควบคุมจริงยังถูกจำกัดด้วยตรรกะของโมเดลแนะนำที่เน้นพฤติกรรมการมีส่วนร่วมเป็นหลัก ซึ่งเป็นประเด็นสำคัญต่อทั้งความโปร่งใสและการออกแบบประสบการณ์ผู้ใช้ในแพลตฟอร์มขนาดใหญ่


