Los retos de la recomendación de contenido audiovisual
Notice bibliographique
Résumé
En este artículo, utilizamos el concepto de recomendación con el fin de analizar los diferentes sistemas y dispositivos destinados a guiar al usuario en Internet hacia un contenido específico, en un contexto de superabundante y profusa oferta. Metodológicamente, para el análisis se distinguen cuatro tipos de recomendación: por una parte, las recomendaciones de carácter editorial y contributivas, basadas respectivamente en los juicios y opiniones de expertos y usuarios, y por otro lado, las realizadas mediante agregación y personalización. Estas últimas, basadas en el comportamiento en línea de los usuarios, son cada vez más relevantes. Con la recomendación algorítmica, las preferencias de los usuarios, presuntas, declaradas u observadas constituyen el fundamento de la recomendación predictiva en los dispositivos desarrollados por diferentes operadores de medios de comunicación tradicionales. Este paso representa el final de un proceso continuado de desintermediación e individualización. Sin embargo, a pesar de su eficacia, esta forma de recomendación plantea una serie de cuestiones. Más allá del riesgo de quedar confinado en la burbuja de los filtros, el mayor problema parece estar relacionado con el poder oligopólico que ejercen algunas empresas sobre el control de los datos del comportamiento del consumidor.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,016 | 0,013 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».