Algorithmic Distortion of Informational Landscapes
Distortion algorithmique des paysages informationnels
Abstract
The possible impact of algorithmic recommendation on the autonomy and free choice of Internet users is being increasingly discussed, especially in terms of the rendering of information and the structuring of interactions. This paper aims at reviewing and framing this issue along a double dichotomy. The first one addresses the discrepancy between users' intentions and actions (1) under some algorithmic influence and (2) without it. The second one distinguishes algorithmic biases on (1) prior information rearrangement and (2) posterior information arrangement. In all cases, we focus on and differentiate situations where algorithms empirically appear to expand the cognitive and social horizon of users, from those where they seem to limit that horizon. We additionally suggest that these biases may not be properly appraised without taking into account the underlying social processes which algorithms are building upon.
L'impact potentiel de la recommandation algorithmique sur le libre-arbitre des internautes fait l'objet d'un débat de plus en plus visible. Ces discussions sont notamment centrées sur le biais induit par les algorithmes dans le traitement et la structuration à la fois de l'information et des interactions en ligne. Cet article vise à évoquer et organiser l'état de l'art correspondant suivant une double dichotomie. La première concerne l'écart entre les intentions et actions des utilisateurs (1) en l'absence d'algorithmes et (2) en faisant usage, d'une manière ou d'une autre, d'algorithmes de recomman-dation. La seconde distingue l'influence des algorithmes (1) sur la réorganisation de l'information (a priori) et (2) sur sa restitution aux utilisateurs (a posteriori). Dans tous les cas, nous nous attachons à distinguer les situations où l'on peut montrer empiriquement que les algorithmes tendent à ouvrir ou bien au contraire limiter l'horizon cognitif des utilisateurs. Nous insistons en outre sur le caractère intrinsèquement social de la recommandation algorithmique, dont l'effet ne peut être entièrement compris et évalué sans prendre en compte les dynamiques collectives sous-jacentes au calcul implémenté par ces algorithmes.
Origin | Files produced by the author(s) |
---|
Loading...