Algoritmalar Kültür Tüketicilerini “Aşırı Tanıdıklık” Tuzağına Düşürebilir

Sadie Harley tarafından düzenlenmiş, Andrew Zinin tarafından incelenmiştir.

Bu makale, Science X’in editoryal süreci ve politikalarına göre incelenmiştir. Editörler, içeriğin güvenilirliğini sağlarken aşağıdaki nitelikleri vurgulamıştır:

hakemli yayın

Bazen işinizi çok iyi yapabilirsiniz. Spotify veya Netflix gibi akış hizmetlerini düşünün. Temel amaçları etkileşim olduğundan, algoritmaları tipik olarak bir kullanıcının yakın zamanda en çok etkileşime girdiği içeriği belirler ve aynı şeyden daha fazlasını verimli bir şekilde önerir. Birkaç hafta veya ay içinde sınırlı etkileşim alan kontenjanlara sahip içerikler genellikle düşürülür.

Ancak pazarlama profesörü Samsun Knight’ın yeni araştırmalarında belirttiği gibi, tanıdıklık aynı şey değildir ve zevk zamanla gelişebilir. Hip-hop, en çok satan bir tür haline gelmeden önce birkaç on yıl sürdü; bu, akış hizmetlerinin kullanıcıların neyi beğendiğini değerlendirmek için izin verdiği zamandan çok daha uzun bir süre.

Herkesin hayatına bir şarkıyı tekrar tekrar dinlettiği veya her aksiyon filmi devam filmini izlediği gibi, çok fazla iyi şey de olabilir. Bir zamanlar keyif veren şeyler, duyulmak, izlenmek veya okunmak istenen son şey haline gelebilir.

“Bu çeyrekte etkileşimi en üst düzeye çıkaran aynı optimizasyon, durgunluğa ve kullanıcı kaybına yol açar ve sonuçta daha geniş bir ilgisizlik yaratır” diyor Toronto Üniversitesi Rotman İşletme Okulu’nda Yardımcı Doğu Profesörü olan Knight. “Kısa vadeli bir ölçüde çok iyi olmakla uzun vadeli ürünün yavaş yavaş bozulması arasında gerçek bir risk var.”

Knight, etkileşim odaklı bir kürasyon sisteminin modelini kullanarak bunun nasıl gerçekleştiğini gösteriyor ve uzun süredir devam eden bir ekonomik teoriden yararlanıyor; bu teoriye göre bir şeylere olan zevk, maruz kalma ile artar. Modeli, tüketici ilgisinin orta düzeyde maruz kalmayla arttığını, zirve yaptığını ve ardından maruz kalmaya devam ettikçe azaldığını gösteriyor. Bir neden, çok kısa bir maruz kalma süresidir. Ancak başka bir neden de algoritmaların kullanıcıların geçmişteki etkileşimlerinin, algoritmanın sunduğu şeylerle daha fazla ilgili olduğunu değil, kullanıcıların bağımsız olarak edindiği zevklerle ilgili olduğunu anlamamasıdır.

“Platform, kullanıcıların mevcut zevklerini onlar hakkında sabit bir gerçek olarak ele alıyorsa, bunun yerine kendi geçmiş seçimlerini yarattıysa, bu durum kendi geçmiş seçimlerini onaylamaya yol açar. Tanıdık içerik iyi etkileşim almaya devam eder ve veriler bu stratejiyi haklı çıkarır” diyor Knight.

Başka bir dezavantajı da yeni sanatsal hareketlerin ve deneylerin doğmadan önce ölebilmesi ve kullanıcıların kendilerini tanıdık olmayan şeyleri tanıma ve sevme fırsatından mahrum kalabilmesidir. Hip-hop veya elektronik dans müziği olmadan bir dünyayı hayal edin. Knight bunu istemez. İnsanlık tarihinde, durağan sanatsal dönemlerin herkes için kötü olduğunu belirtiyor.

Knight, kısa vadeli değerlendirmelerde optimal görünmeyebilecek daha agresif bir şekilde keşfetmenin, zamanla, daha az tanıdık içeriklere daha fazla maruz kalmayı sağlayabileceğini ve hatta bir sonraki kültürel olgunun ortaya çıkmasına yol açabileceğini öneriyor. Bu arada, kullanıcıların geçmişte keyif aldıkları içerikler daha seyrek olarak sunulur; bu da aşırı maruz kalma sorununu azaltır.

Personel çalma listeleri veya seçimleri gibi gerçek insan önerileri de yardımcı olacaktır. “Bu insanlar bazen inandıkları için, erken sayıların bunu haklı çıkarmadığı için zor veya kanıtlanmamış bir şeyi savunurlar” diyor Knight. “Saf etkileşim optimizatörünün yapmayacağı bu ‘irrasyonel’ isteklilik, benim çerçevemde tam olarak keşfedilmesi gereken şeydir.”

Kim bilir? Bu tuhaf seçimler dünyanızı değiştirebilir.

Samsun Knight, Etkileşim odaklı kürasyon ve zevkin evrimi, Kültürel Ekonomi Dergisi (2026). DOI: 10.1007/s10824-026-09591-3

Dergi bilgileri: Kültürel Ekonomi Dergisi

Sağlanan: Toronto Üniversitesi