Algoritmer og filterbobler

Mediefag B · STX · B-niveau · Medier og samfund

🎬 Algoritmer og filterbobler

Eli Pariser (1980–) — grundlæggeren af MoveOn.org, forfatter af The Filter Bubble (2011).

Filterboble: de personaliserede algoritmer på Facebook, Google, YouTube mv. skaber en "boble" af information der bekræfter brugerens eksisterende synspunkter — og udelukker modsatrettede perspektiver.

Selektiv eksponering: psykologisk mekanisme — vi søger instinktivt information der bekræfter vores overbevisninger (confirmation bias). Algoritmer forstærker denne tendens.

Eco-chambers (ekokamre): yderste konsekvens — sociale fora hvor kun lignende synspunkter deles.

Algoritmisk sort boks: vi ser ikke filtreringskriterier. Facebook's EdgeRank (nu Meta AI) ranker ud fra: engagement, relevans, aktualitet, nærhed.

Politiske konsekvenser: polarisering (filter bubbles give et "mørkt spejl" af modstanderen), desinformation spredes hurtigere end korrektioner, demokratisk diskurs fragmenteres.

Empirisk kritik: Axel Bruns (Are Filter Bubbles Real?, 2019) argumenterer at beviset for filterbobler er blandede — folk eksponeress faktisk for modstridende indhold.

Løsninger: medie-literacy, algoritmisk transparens (EU Digital Services Act 2022), public service algoritme-alternativer.

Læringsmål

• Forklare hvordan algoritmer styrer indhold på sociale medier
• Diskutere begreberne filterboble og ekkokammer
• Vurdere konsekvenser af algoritmestyret indhold for den offentlige debat

Sådan kan du arbejde med emnet

• Forklar, hvad en filterbobel er, og hvad der forstærker den
• Beskriv, hvad algoritmisk indholdsranking gør ved diversiteten i det indhold, vi ser
• Diskutér, hvad der er de demokratiske konsekvenser af personaliserede nyhedsfeeds

Skab eget værk og analysér klassiske eksempler. Reflekter over teknik og udtryk.