The Matter of Chance: Auditing Web Search Results Related to the 2020 U.S. Presidential Primary Elections Across Six Search Engines
我们研究了六个搜索引擎如何在默认条件下(即非个性化条件下)过滤和排名与美国2020年总统初选查询相关的信息。为此,我们利用了一种算法审计方法,该方法使用虚拟代理在受控环境中对算法信息策展进行大规模分析。具体来说,我们看看在2020年初选期间,谷歌,百度,Bing,DuckDuckGo,雅虎和Yandex上的“美国选举”,“唐纳德特朗普”,“乔拜登”和“伯尼桑德斯”查询的文本搜索结果。我们的研究结果表明,在搜索引擎和多个差异内的不同代理使用相同的搜索引擎产生的结果之间的搜索结果的实质性差异。它强调了用户是否看到某些信息是由偶然决定的,由于搜索结果的固有随机性。我们还发现,一些搜索引擎优先考虑不同类别的信息源相对于特定的候选人。这些观察表明,即使在非个性化条件下,政治信息的算法策展也会在搜索引擎用户之间造成信息不平等。这种不平等尤其令人不安,因为搜索结果受到公众的高度信任,并且可以改变先前研究表明的犹豫不决的选民的意见。
2021-05-03 cs.CY
Monopoly Power on the Web - A Preliminary Investigation of Search Engines
电子商务对传统的评估垄断做法的方法提出了挑战,这是由于电子商务的快速增长、技术的迅速变化、难以评估网站等信息产品的市场份额以及公司之间的高度互联和联盟。本文提供了一个基本框架,集成了网络和经济的角度来看,搜索引擎市场。研究结果表明:(1)尽管越来越多的搜索引擎,进入壁垒似乎很高,主要是由于指数增长的网站数量和当前的搜索技术和集体转换成本的不可扩展性;(2)旧的搜索引擎网站往往有更多的功能锁定用户。使用标准经济指标(CR 4 =58%和HHI=1163),该行业看起来接近受到反竞争行为的困扰。但基于本文构建的网络调整后的HHI,其值为870,表明没有那么值得关注。根据所有指标,它表明雅虎将是一个竞争者。其他可能的竞争者是MSN和Netscape。根据迄今为止的结果,一些搜索引擎不断增加他们的受众范围,而另一些则没有。这一趋势表明,某些搜索引擎可能会主导搜索引擎市场。我们建议对搜索引擎的覆盖性能进行研究,并将“信息搜索成本”作为搜索技术的性能指标。此外,我们建议留意任何反竞争行为(例如捆绑销售产品),以免影响竞争及减低消费者福利。将网络理论与经济学理论相结合来研究搜索引擎市场是电子商务研究的一个特别有力的方法。
2001-09-24 cs.CY
Demographic differences in search engine use with implications for cohort selection
用户的人口统计数据和他们写的文本之间的相关性已经通过文学文本和最近的社交媒体进行了研究。然而,有关搜索引擎中语言使用的差异还没有得到彻底的分析,特别是年龄和性别差异。这种差异是重要的,特别是由于在人类健康研究中越来越多地使用搜索引擎数据,其中查询用于识别患者群体。使用数据从多个通用的互联网搜索引擎收集了一个月的时间内,我们调查人口统计学(年龄,性别和收入)和提交给搜索引擎的查询文本之间的相关性。我们的研究结果表明,女性和年轻人使用更长的查询。这一差异是这样的,女性提出的10个或更多单词的查询大约多出25%。在将用户识别为具有特定医疗条件的查询的情况下,我们发现女性的查询比预期多50%,并且与已知的性别平衡相比,这导致患者队列在性别和年龄上高度倾斜。我们的研究结果表明,人口代表性是很重要的研究,如在用户的健康方面的研究,或当搜索引擎进行评估的公平性,应注意在选择搜索引擎数据,以创建一个有代表性的数据集。
2018-05-15 cs.CY
A comparison of online search engine autocompletion in Google and Baidu
本文比较了百度和谷歌搜索引擎自动补全功能,发现二者在抑制或修改查询方式上存在差异,并指出各社会群体均存在负面建议,呼吁开发更具文化敏感性的审核策略。
2024-05-03 cs.CY
Stereotypes in Search Engine Results: Understanding The Role of Local and Global Factors
互联网已经模糊了本地和全球文化之间的界限,以不同的方式影响人们对自己和他人的看法。在互联网的全球背景下,搜索引擎平台是个人和信息之间的关键中介。在本文中,我们研究了本地和全球的影响,互联网对形成女性身体吸引力的刻板印象在搜索引擎的结果。通过调查从42个国家的两个主要搜索引擎收集的图像数据集,我们识别出了很大一部分复制图像。我们发现,共同的形象聚集在具有相同语言的国家周围。我们还表明,国家之间的共同形象的存在实际上是消除时,查询仅限于本地网站。总之,我们有证据表明,从搜索引擎的结果偏向于用于查询系统的语言,这导致某些吸引力的刻板印象,往往是相当不同的大多数女性人口的国家。
2016-11-07 cs.CY
The Systems Engineering Approach in Times of Large Language Models
University of Cambridge(剑桥大学);Anglia Ruskin University(安格利亚鲁斯金大学)
本文针对大语言模型融入社会技术系统的挑战,提出系统工程方法更适配其落地,通过调研相关系统研究、梳理工程原则的作用,给出LLMs应用的未来方向。
2024-11-13 cs.AI cs.CY cs.SE
Examining bias perpetuation in academic search engines: an algorithm audit of Google and Semantic Scholar
本文通过算法审计 Google Scholar 和 Semantic Scholar,发现带偏见的查询会使搜索结果与查询偏见一致,且技术类主题差异更显著,Semantic Scholar 的偏见延续程度低于 Google Scholar。
2025-01-01 cs.CY
Control Search Rankings, Control the World: What is a Good Search Engine?
本文针对“什么是好的搜索引擎”的伦理问题,提出含四种行为模式的基于角色的新方法,结合信息检索领域、新冠案例与搜索引擎发展史展开分析,并给出未来监管参考方向。
2025-02-05 cs.CY cs.IR
Understanding the Privacy Risks of Popular Search Engine Advertising Systems
本文通过自动化测量StartPage、Qwant、DuckDuckGo、Google和Bing的广告点击链路,发现所谓隐私搜索引擎也会通过重定向和唯一ID造成跨站追踪。
2023-09-23 cs.CY
Characterization of Search Engine Caches
搜索引擎提供索引内容的缓存副本,因此如果远程资源暂时或永久不可用,用户将有东西可以“点击”。根据其专有的缓存策略,搜索引擎将清除其索引和缓存中超过不可用阈值的资源。虽然搜索引擎缓存只提供作为一种援助的交互式用户,我们有兴趣建立可靠的保存服务,从这些有限的缓存服务的聚合。但首先,我们必须了解搜索引擎缓存的内容。在本文中,我们已经检查了Ask,Google,MSN和Yahoo的缓存内容,以分析索引和缓存之间的重叠,大小,MIME类型和缓存资源的“陈旧性”。我们还研究了各种缓存与互联网档案馆馆藏的重叠。
2007-03-15 cs.CY cs.DL
Search Engines Post-ChatGPT: How Generative Artificial Intelligence Could Make Search Less Reliable
University of Washington(华盛顿大学)
本文探讨了搜索引擎整合生成式人工智能后,因事实不一致、偏见、可信度错觉、透明度下降及错误内容泛滥等问题,导致信息溯源模糊、生态系统完整性受损,最终降低搜索可靠性的挑战及未来研究方向。
2024-02-18 cs.AI cs.CY cs.IR
Search engines in polarized media environment: Auditing political information curation on Google and Bing prior to 2024 US elections
该研究审计2024年美国大选前 Google 与 Bing 的政治信息策展,发现二者均偏向优先呈现左倾来源,且附加界面元素比自然搜索结果更易受时间和州别影响。
2025-01-08 cs.CY cs.IR cs.SI
A Modern Non-SQL Approach to Radiology-Centric Search Engine Design with Clinical Validation
医疗保健数据的规模正以前所未有的速度增长,人们非常关注大数据分析和人工智能应用,以用于质量保证、临床培训、严重程度分类和决策支持。放射学非常适合创新,因为它固有地配对了语言和视觉数据。以前试图打开这个信息金矿的尝试受到人类语言的异质性,专有搜索算法以及缺乏医学特定搜索性能矩阵的阻碍。我们提出了一个从头开始的过程中开发一个基于文档的,安全的,高效的,准确的搜索引擎的背景下,放射学。我们评估我们的实施搜索引擎与比较预先存在的手动收集的临床数据库,以前用于临床研究项目,除了计算性能基准和调查反馈。通过利用高效的数据库架构、搜索功能和临床思维,放射科医生处于利用医疗保健数据的最前沿。
2020-07-04 cs.CY cs.IR
The egalitarian effect of search engines
搜索引擎已经成为我们的科学,经济和社会活动的关键媒体,使人们能够访问Web上的信息,尽管它的大小和复杂性。不利的一面是,搜索引擎根据其页面排名策略对用户流量产生偏见,有些人认为,它们造成了一个恶性循环,放大了老牌和已经流行的网站的主导地位。我们表明,与这些先前的主张和我们自己的直觉相反,使用搜索引擎实际上具有平等主义的效果。我们调和的理论论据与实证证据表明,检索由搜索引擎和搜索行为的用户相结合,减轻了流行的网页的吸引力,引导更多的流量对不太受欢迎的网站,即使在比较,将期望从用户随机上网。
2006-08-23 cs.CY cs.IR physics.soc-ph
Synthetic Sources?: Auditing Generative Search Engine Citations for Evidence of AI-Generated Sources
Northwestern University(西北大学)
通过审计四个生成式搜索引擎(ChatGPT、Copilot、Gemini、Perplexity)在政治、健康和环境领域的712个真实用户查询,发现约16%的引用来源是AI生成的,并识别了频繁被引用的关键网络域名。
2026-05-22 cs.CY cs.IR
The Use of Generative Search Engines for Knowledge Work and Complex Tasks
Microsoft Research(微软研究院);Microsoft Corporation(微软公司);University of Washington(华盛顿大学);University of Chicago(芝加哥大学)
本文通过实证分析 Bing Copilot 与 Bing Search 的使用差异,发现生成式搜索引擎更多被用于认知复杂度更高的知识工作任务。
2024-03-19 cs.AI cs.CY cs.IR
Nowcasting economic and social data: when and why search engine data fails, an illustration using Google Flu Trends
对中央银行和财政部而言,准确了解当前经济状况尤为重要,对卫生部而言,准确了解流行病状况尤为重要。人们对利用搜索引擎数据提供社会和经济指标的“即时预报”越来越感兴趣。然而,人们可能会搜索一个短语,因为他们独立地想要的信息,或者他们可能会搜索,因为许多其他人都在搜索it.We考虑使用搜索引擎数据的准确性预测的动机的影响同期的社会和经济指标。我们使用四个事件来说明预测准确性的影响,其中Google Flu Trends数据准确预测了实际流感病例,其中四个搜索数据大大高估了预测。使用一个标准的统计方法,巴斯扩散模型,我们表明,独立的搜索信息的动机是强得多的情况下,准确的预测比不准确的。社会影响,即人们可能会搜索一个短语,因为其他人也是如此,在不准确的情况下比准确的情况下要强大得多。因此,当社会对搜索决策的影响很大时,搜索引擎数据可能是同期指标的不可靠预测因素。
2014-08-01 cs.CY cs.SI physics.soc-ph