Filter Bubble: the Rescue of Content Curation

Filter Bubble: the Rescue of Content Curation

Geplaatst op november 21, 2011 door Coen Koppen in Lost and found

In maart 2011 gaf Eli Pariser een veelbesproken Tedtalk over de ‘Filter Bubble’ die al werd aangehaald in een andere magpipe blogspost. Eli’s belangrijkste punt is dat de zoekfilters van tegenwoordig ons van content voorzien die we leuk of interessant vinden, maar niet de content die we nodig hebben. Op de recente Mashable Media Summit ging Pariser er dieper op in waar automatische filters slecht in zijn, maar ook hoe een redacteur of curator dit kan fixen.

De 7 problemen van zoekalgoritmes

  • Anticipatie: Bijvoorbeeld dat een klein bericht over de politieke situatie in Griekenland de oorzaak kan zijn van een dalende beurskoers de dag daarop. Een redacteur pikt dit abstracte verband eerder op dan een algoritme.
  • Risico: Een algoritme moet meestal een goede selectie maken om succesvol te zijn. Daarom geven de meeste zoekalgoritmes ‘veilige’ content binnen een smal spectrum aan onderwerpen. Redacteuren hebben de wil om risico te nemen en daarmee extreem succesvolle (of slecht gelezen) onderwerpen te kiezen.
  • Overzicht: Algoritmes kunnen zelden verbanden vormen om tot een groter geheel te komen. Een redacteur kan nieuws veel beter ordenen om context en mate van belang te geven.
  • Combineren: Redacteuren kunnen je binnenhalen met een leuke binnenkomer om je daarna binnen te houden met inhoud. Dit vergt veel fingerspitzengefühl en algoritmes vinden dit moeilijk.
  • Social Importance: Algoritmes kunnen prima naar boven halen wat populair is, maar niet per sé wat belangrijk is. Artikelen over oorlogen worden misschien niet heel veel op sociale media gepost en geliked, maar kunnen door inbreng van een redacteur toch in de kijker gespeeld worden.
  • Geen nuance kunnen aanbrengen bij extreem wisselende gebruikersreacties: Pariser sprak over het Napoleon Dynamite probleem van Netflix. Gebruikers houden of verafschuwen de film met ratings van één of vijf sterren. Omdat het Netflix algoritme liever veilige keuzes aanbied, wordt Napoleon weinig aangeboden als filmsuggestie – terwijl de film dus voor sommige kijkers zeer vermakelijk is. Netflix is zelfs zo ver gegaan dat ze in 2006 een prijs van 1 miljoen dollar hebben beloofd aan diegene die het suggestie-algoritme 10% kan verbeteren. De New York Times heeft er eind 2008 een zeer uitgebreid artikel aan gewijd. Het probleem was toen nog steeds niet opgelost.
  • Vertrouwen: Mensen hebben favoriete redacteuren, columnisten en journalisten. Als een vertrouwd redacteur zegt dat iets belangrijk is, ondanks dat het saai oogt, gaan mensen het toch sneller lezen. Algoritmes zijn volgens Pariser misschien wel nooit zo betrouwbaar.

Met het huidige niveau van zoekalgoritmes kunnen ze ons niet zelfstandig voeden met alle content die we nodig hebben. Maar door redactie en code te combineren denkt Pariser dat we het beste van twee werelden kunnen krijgen. Door mensen te voorzien van content die ze leuk vinden (algoritmes), gecombineerd met content die ze nodig hebben (redactie en content curation), kunnen redacteuren internetverkeer en waarde tegelijkertijd verbeteren.

Het probleem dat de redacteur nog rest, is om het harde (saaie) nieuws, net zo onweerstaanbaar te maken als de lolcats. We moeten nieuwe manieren vinden om dit nieuws te verpakken, aldus Pariser op de Mashable Media Summit. En dát is waar redacteur of curator zijn functie moet gaan waarmaken. Het combineren van het leuke met het serieuze, het sociale met het belangrijke en het binnenhalen van publiek dat nog niet weet dat het ook in moeilijke onderwerpen geïnteresseerd is.

The Filter Bubble: How to Fix Content Curation

 

Lees meer:

9 content curation tools that better organise the web

So you wanna be a Curator? Deel I

So you wanne be a Curator? Deel II: het vinden van content