Digitalna tehnologija prožima gotovo svaki aspekt našeg života. Sve više vremena provodimo u online sferi, konzumirajući informacije, zabavu i socijalne interakcije kroz prizmu sofisticiranih algoritama.

Ovi nevidljivi digitalni arhitekti, stvoreni da nam olakšaju navigaciju kroz ocean podataka, paradoksalno su postali kreatori naših osobnih informacijskih univerzuma. Fenomen poznat kao “filter bubble” ili “mjehurić filtriranja” predstavlja kulminaciju ove tendencije, stvarajući personalizirane informacijske ekosustave koji, dok nas štite od nepoželjnih podataka, istovremeno mogu ograničiti našu percepciju svijeta.

Autorica teksta: Marijana Andabaka

Što je “Filter Bubble”?

Termin “filter bubble” skovao je internet aktivist Eli Pariser 2011. godine, opisujući ga kao personalizirani jedinstveni univerzum informacija za svakog od nas.

Ovaj fenomen nastaje kada algoritmi za pretraživanje, preporuke i personalizirani sadržaj filtriraju informacije koje korisnici vide na internetu na temelju njihovih prethodnih interakcija, preferencija i demografskih podataka.

Mehanizam djelovanja

Filter bubble funkcionira putem sofisticiranih algoritama strojnog učenja koji kontinuirano analiziraju naše online ponašanje. Svaki klik, pretraživanje, lajk, dijeljenje, pa čak i vrijeme provedeno na određenom sadržaju se bilježi.

Algoritmi koriste tehnike dubokog učenja i analizu velikih podataka (Big Data) za stvaranje detaljnih profila korisnika.

Na temelju ovih profila, algoritmi predviđaju koje će sadržaje korisnik vjerojatno preferirati. Zatim se korisniku servira visoko personalizirani sadržaj koji odgovara njegovim pretpostavljenim preferencijama.

Primjeri “Filter Bubble” u svakodnevnom životu:

• Facebook News Feed je možda najpoznatiji primjer filter bubble-a. Algoritmi odlučuju koje će postove korisnik vidjeti na temelju:
  – Afiniteta: koliko često korisnik interagira s određenim prijateljem ili stranicom.
  – Težine sadržaja: vrste sadržaja (npr. fotografije, videozapisi) koje korisnik preferira.
  – Vremena: koliko je prošlo od objave sadržaja.
  Primjer: Ako korisnik često interagira sa sadržajem vezanim za veganske recepte, algoritam će mu prikazivati više takvih postova, potencijalno ograničavajući izloženost drugim kulinarskim stilovima ili prehrambenim filozofijama.

 

•  Google personalizira rezultate pretraživanja na temelju korisnikove povijesti pretraživanja, lokacije i drugih faktora.
  Primjer: Dva korisnika koji pretražuju “klimatske promjene” mogu dobiti različite rezultate. Korisnik koji često posjećuje stranice o zaštiti okoliša možda će vidjeti više članaka o urgentnosti klimatske krize, dok će korisnik koji češće posjećuje stranice skeptične prema klimatskim promjenama možda vidjeti više sadržaja koji dovode u pitanje znanstveni konsenzus o ovoj temi.

 

• Netflix koristi sofisticirane algoritme za preporuku sadržaja, analizirajući ne samo što korisnici gledaju, već i kada, koliko dugo i na kojim uređajima.
  Primjer: Korisnik koji često gleda znanstveno-fantastične serije i dokumentarce o svemiru možda će na svojoj početnoj stranici vidjeti više takvih sadržaja, potencijalno propuštajući zanimljive dokumentarne filmove o društvenim pitanjima ili povijesne drame koje bi mu također mogle biti zanimljive.

 

•  Amazon koristi algoritme za personalizaciju preporuka proizvoda na temelju prethodnih kupovina, pregledanih proizvoda i ocjena.
  Primjer: Korisnik koji je nedavno kupio fotoaparat možda će vidjeti preporuke za dodatnu opremu poput objektiva ili stativa, što može biti korisno, ali također može ograničiti izloženost drugim kategorijama proizvoda koje bi mu mogle biti zanimljive.

 

• Aplikacije za vijesti personaliziraju sadržaj na temelju korisnikovih preferencija i povijesti čitanja.
  Primjer: Korisnik koji često čita članke o tehnologiji i inovacijama možda će vidjeti manje vijesti o lokalnoj politici ili međunarodnim odnosima, potencijalno ograničavajući svoje razumijevanje šireg društvenog i političkog konteksta.

Utjecaj “Filter Bubble” na društvo

Filter bubble može pojačati postojeća uvjerenja, stvarajući “eho komore” gdje korisnici čuju samo mišljenja koja se slažu s njihovima.

Ovo može dovesti do povećane polarizacije u društvu, otežavajući konstruktivni dijalog među različitim skupinama.

Primjer: Tijekom izbora, korisnici mogu biti izloženi samo vijestima i mišljenjima koja podržavaju njihovog preferiranog kandidata, stvarajući iskrivljenu sliku o općem raspoloženju birača i potencijalno povećavajući političke tenzije.

Algoritmi mogu ograničiti raznolikost informacija koje korisnici primaju, smanjujući izloženost različitim perspektivama i mišljenjima.

Primjer: Korisnik koji je zainteresiran za alternativnu medicinu možda će vidjeti više sadržaja koji podržavaju ove prakse, a manje znanstveno utemeljenih medicinskih informacija, što može utjecati na donošenje zdravstvenih odluka.

Kada smo izloženi samo određenim vrstama informacija, može postati teže donositi informirane odluke jer nam nedostaje širina informacija potrebna za cjelovito razumijevanje teme.

Filter bubble može ograničiti našu izloženost novim idejama i perspektivama, potencijalno ograničavajući inovacije i kreativno razmišljanje.

Zatim može olakšati ciljano širenje dezinformacija ili propagande, jer algoritmi mogu nenamjerno pojačati širenje lažnih vijesti među susceptibilnim skupinama.

Kako izbjeći “Filter Bubble”?

Iako je teško potpuno izbjeći filter bubble, postoje koraci koje možemo poduzeti kako bismo povećali raznolikost informacija koje konzumiramo:

1. Većina platformi nudi opcije za prilagodbu algoritama. Na primjer, Facebook omogućuje korisnicima da odaberu koje prijatelje ili stranice žele “vidjeti prve” u svom News Feedu.
2. Korištenje načina rada “Incognito” ili brisanje kolačića može pomoći u smanjenju personalizacije rezultata pretraživanja.
3. Namjerno traženje i interakcija s različitim izvorima informacija i perspektivama može pomoći u “treniranju” algoritama da prikazuju raznovrsniji sadržaj.
4. Oslanjanje na različite izvore vijesti i informacija može pomoći u dobivanju šire perspektive.
5. Razumijevanje kako funkcioniraju algoritmi i kako se stvara i distribuira online sadržaj može nam pomoći da budemo kritičniji prema informacijama koje konzumiramo.
6. Korištenje platformi koje prikazuju vijesti iz različitih perspektiva, pomažu korisnicima da izađu iz svojih informacijskih mjehurića.

Ovo je ključno za prepoznavanje medijske manipulacije i dezinformacija te donošenje informiranih odluka.

Filter bubble predstavlja jedan od najintrigantnijih fenomena digitalnog doba, utjelovljujući i obećanja i opasnosti personalizirane tehnologije.

Dok nam pruža ugodno i efikasno digitalno iskustvo, istovremeno nas suočava s fundamentalnim pitanjima o prirodi istine, znanja i društvene kohezije.

Kao pojedinci i kao društvo, moramo aktivno raditi na očuvanju raznolikosti perspektiva i kritičkog mišljenja, osiguravajući da algoritmi služe kao alati za proširenje, a ne ograničavanje našeg razumijevanja svijeta.

U današnjem digitalnom dobu, gdje je stvarnost često filtrirana kroz digitalne platforme, postaje izuzetno važno razviti vještinu prepoznavanja i prevladavanja svojih informacijskih mjehurića.

Razumijevanje filter bubble fenomena i njegovih implikacija prvi je korak prema informiranom i kritičkom korištenju digitalnih tehnologija.

Samo kroz aktivno i promišljeno sudjelovanje u digitalnom prostoru možemo osigurati da tehnologija služi našim interesima i vrijednostima, a ne obrnuto.

Literatura:
Pariser, E. (2011). The Filter Bubble: What the Internet is Hiding from You. Penguin Books.
Flaxman, S., Goel, S., & Rao, J. M. (2016). Filter Bubbles, Echo Chambers, and Online News Consumption. Public Opinion Quarterly, 80(S1), 298-320.
Bakshy, E., Messing, S., & Adamic, L. A. (2015). Exposure to Ideologically Diverse News and Opinion on Facebook. Science, 348(6239), 1130-1132.

Foto:Pexels.com; Pixaby.com