Users frequently use search systems on the Web as well as online social media to learn about ongoing events and public opinion on personalities. Prior studies have shown that the top-ranked results returned by these search engines can shape user opinion about the topic (e.g., event or person) being searched. In case of polarizing topics like politics, where multiple competing perspectives exist, the political bias in the top search results can play a significant role in shaping public opinion towards (or away from) certain perspectives. Given the considerable impact that search bias can have on the user, we propose a generalizable search bias quantification framework that not only measures the political bias in ranked list output by the search system but also decouples the bias introduced by the different sources—input data and ranking system. We apply our framework to study the political bias in searches related to 2016 US Presidential primaries in Twitter social media search and find that both input data and ranking system matter in determining the final search output bias seen by the users. And finally, we use the framework to compare the relative bias for two popular search systems—Twitter social media search and Google web search—for queries related to politicians and political events. We end by discussing some potential solutions to signal the bias in the search results to make the users more aware of them.

中文翻译：

---

搜索偏见量化：调查社交媒体和网络搜索中的政治偏见

用户经常使用Web上的搜索系统以及在线社交媒体来了解正在进行的事件和有关个性的公众舆论。先前的研究表明，这些搜索引擎返回的排名最高的结果可以塑造用户对正在搜索的主题（例如事件或人物）的看法。如果存在诸如政治之类的两极分化话题，并且存在多个相互竞争的观点，则搜索结果排名靠前的政治偏见可能会在塑造舆论朝（或远离）某些观点的过程中发挥重要作用。鉴于搜索偏见会对用户产生巨大影响，我们提出了一个可概括的搜索偏倚量化框架，该框架不仅可以衡量搜索系统输出的排名列表中的政治偏见，还可以消除由不同来源（输入数据和排名系统。我们将我们的框架应用于研究Twitter社交媒体搜索中与2016年美国总统初选相关的搜索中的政治偏见，发现输入数据和排名系统都对确定用户看到的最终搜索输出偏见至关重要。最后，我们使用该框架比较两个流行搜索系统（Twitter社交媒体搜索和Google网络搜索）相对于政治人物和政治事件的查询的相对偏差。最后，我们讨论了一些可能的解决方案，以表明搜索结果中的偏向，以使用户更加了解它们。我们使用该框架来比较两个流行搜索系统（Twitter社交媒体搜索和Google网络搜索）在与政治人物和政治事件有关的查询中的相对偏见。最后，我们讨论了一些可能的解决方案，以表明搜索结果中的偏向，以使用户更加了解它们。我们使用该框架来比较两个流行搜索系统（Twitter社交媒体搜索和Google网络搜索）在与政治人物和政治事件有关的查询中的相对偏见。最后，我们讨论了一些可能的解决方案，以表明搜索结果中的偏向，以使用户更加了解它们。