In tijden van overvloed aan informatie is het handig gebruik te kunnen maken van enige voorsortering. Online boekhandels laten daarom lijstjes zien met boeken die anderen hebben gekocht die een aantal boeken die jij hebt gekocht ook hebben gekocht. (Volg je me nog?) De kans dat hier een passende suggestie bij zit, is groter dan als het lijstje willekeurig uit de hele collectie zou zijn samengesteld.
Ook beschikken steeds meer bedrijven over profielen van ons. Op zo'n profiel kun je een algoritme loslaten, dat leidt tot een gepersonaliseerde aanbieding. Een voorbeeld:
- Profiel: u scheert zich nat.
- Algoritme: als u langs drogist X loopt, krijgt u op uw telefoon een aanbieding voor scheermesjes.
Het nadeel van het voordeel van de voorsortering is het feit dat er keuzes worden gemaakt op een profiel, waarmee de kans groot is dat je versterkt wordt in dat profiel. Zwart-wit: als je bij een webshop uitsluitend vier keer een vrouwenthriller hebt besteld, zul je slechts suggesties krijgen voor andere vrouwenthrillers en niet op het spoor komen van een prachtige historische roman. Een soort self fulfilling prophecy. Eli Pariser spreekt over de 'filter bubble' bij TED.
Adaptieve systemen voor leren zijn een variant op dit principe van op basis van door de gebruiker genereerde data en het daarop loslaten van algoritmes. Het is feitelijk gebaseerd op een idee over leren dat leren verengt tot het tegenovergestelde van creativiteit. In plaats van het faciliteren van nieuwe verbindingen, kruisverbanden en ideeënvorming leidt het uitsluitend tot het 'dieper maken van de gebaande sporen'. Voor bepaalde leerdoelen is dat prima. Voor andere leerdoelen is het funest en belandt de lerende in een 'leerbubbel'.
Geen opmerkingen:
Een reactie posten