Explorando a bolha do filtro

Eli Pariser cunhou o termo 'bolha do filtro' para descrever o potencial da personalização online para isolar efetivamente as pessoas de uma diversidade de pontos de vista ou conteúdo. Sistemas de recomendação online - baseados em algoritmos que tentam prever quais itens os usuários mais apreciarão consumir - são uma família de tecnologias que potencialmente sofre desse efeito. Como os sistemas de recomendação se tornaram tão prevalentes, é importante investigar seu impacto nos usuários nesses termos. Este artigo examina os impactos longitudinais de um sistema de recomendação baseado em filtragem colaborativa sobre os usuários. Até onde sabemos, é o primeiro artigo a medir o efeito da bolha do filtro em termos de diversidade de conteúdo no nível individual. Contribuímos com uma métrica inovadora para medir a diversidade de conteúdo baseada em informações codificadas em tags geradas pelos usuários, e apresentamos um novo conjunto de métodos para examinar o efeito temporal dos sistemas de recomendação na experiência do usuário. De fato, constatamos que os sistemas de recomendação expõem os usuários a um conjunto ligeiramente restrito de itens ao longo do tempo. Contudo, também observamos evidências de que usuários que realmente consomem os itens recomendados experimentam efeitos de restrição reduzidos e avaliam os itens mais positivamente.