Datan bakom en rekommendation
Kunna förklara vilken data en rekommendationstjänst använder och vad den kan gissa fel om.
Förkunskaper
Vardagsförklaring
När YouTube, Spotify eller TikTok föreslår något — varifrån kommer förslaget?
Vad tjänsten vet om dig:
| Data | Exempel |
|---|---|
| Vad du klickat på | vilka videor du öppnat |
| Hur länge du stannat | den viktigaste signalen |
| Vad du hoppat över | säger lika mycket |
| När och var | tid på dygnet, ungefärlig plats |
| Vilken enhet | mobil eller dator |
| Vad liknande personer gillat | den stora hemligheten |
Den sista raden är kärnan. Tjänsten behöver inte förstå vad en låt handlar om. Den behöver bara veta att personer som gillat A och B också brukar gilla C — och du gillade A och B.
Det kallas kollaborativ filtrering, och det är förvånansvärt kraftfullt. Det fungerar utan att någon någonsin beskrivit innehållet.
Intuition
Vad tjänsten kan gissa fel om:
| Situation | Varför det går fel |
|---|---|
| Du tittade på något en gång av nyfikenhet | tjänsten tror att det är ditt intresse |
| Någon annan lånade din telefon | deras klick blir dina |
| Du sökte något åt en kompis | samma sak |
| Du ändrat dig | gamla vanor ligger kvar länge |
| Du är ny | tjänsten vet ingenting — «kallstartsproblemet» |
Filterbubblan är den större frågan. Tjänsten visar mer av det du redan gillat, eftersom det är det som håller dig kvar. Med tiden ser du mindre och mindre av annat.
Det betyder inte att någon bestämt att du ska se just det. Det är en följd av att systemet mäter vad du stannar kvar på, och det du redan gillar är det du stannar kvar på.
Vad du kan göra:
| Åtgärd | Effekt |
|---|---|
| Titta på din historik | de flesta tjänster visar den |
| Ta bort saker du inte vill påverkas av | det fungerar faktiskt |
| Söka aktivt i stället för att bara scrolla | du styr i stället för flödet |
| Använda flera källor | olika bubblor |
Den ärliga bilden: rekommendationer är ofta bra. De hjälper dig hitta saker du annars missat. Problemet uppstår när de blir det enda sättet du hittar något — och när det som håller dig kvar inte är det som är bra för dig.
Interaktivt
Uppgift 1 — titta på din egen data.
De flesta tjänster har en sida där du kan se vad de sparat. Leta upp den för en tjänst du använder:
- YouTube: historik och «mina Google-aktiviteter»
- Spotify: din lyssningshistorik och årets sammanfattning
- TikTok och Instagram: inställningar → aktivitet
Titta och svara:
- Hur långt tillbaka går historiken?
- Finns det något där du inte visste sparades?
- Känner du igen dig i det tjänsten verkar tro om dig?
Uppgift 2 — testa systemet.
Titta medvetet på tre videor om något du aldrig brukar titta på — matlagning, fiske, gamla bilar, vad som helst.
Kom tillbaka nästa dag. Vad föreslås nu?
Uppgift 3 — rensa och se vad som händer.
Ta bort de tre videorna ur din historik. Ändras förslagen tillbaka? Hur snabbt?
Uppgift 4 — diskutera.
- Är det bra eller dåligt att tjänsten känner dig så väl?
- Vem tjänar på att du stannar längre?
- Vad skulle du vilja kunna styra som du inte kan i dag?
- Om du fick bestämma en regel för hur rekommendationer får fungera — vilken?
Den sista frågan är inte hypotetisk: EU:s regler kräver numera att stora plattformar erbjuder ett flöde som inte bygger på profilering. Har du provat det?
Behärskning innebär
- Beskriver vilken data som används
- Förklarar hur rekommendationer uppstår
- Ser risker med filterbubblor och felaktiga gissningar
Logga in för att göra övningarna och bygga upp din behärskning.
Källor
- Internetstiftelsen — Internetkunskap — fri läsning
- Statens medieråd — myndighetsmaterial
- EU:s förordning om digitala tjänster (DSA) — EU-rättsakt