تکامل الگوریتمهای توصیه گر یوتیوب: شخصیسازی، حباب اطلاعاتی و چالش های شفافیت

در این مقاله مروری، به بررسی روند تکامل الگوریتمهای توصیه گر یوتیوب از سال ۵۰۰۲ تا ۵۲۰۲ پرداخته ایم و تاثیر این الگوریتم ها را بر تجربه کاربران، به ویژه فارسی زبانان و عرب زبانان، تحلیل کرده ایم. تمرکز مقاله بر چالش های کلیدی مانند شکل گیری حباب اطلاعاتی، قطبی سازی محتوا و کمبود شفافیت الگوریتمی است. برای این منظور، با مرور و تحلیل انتقادی بیش از ۵۴ مقاله علمی و ۰۱ گزارش رسمی، نقاط قوت و ضعف الگوریتم های یوتیوب در شخصی سازی محتوا، میزان تعامل کاربران و تنوع فرهنگی بررسی شده است. همچنین با تکیه بر سه چارچوب نظری شامل نظریه حباب اطلاعاتی، مدل تعامل انسان-رایانه و شفافیت الگوریتمی، راهکارهایی برای بهبود تجربه کاربری و افزایش تنوع محتوایی ارائه شده است. در پایان، پیشنهاداتی برای بومی سازی الگوریتم ها و ارتقای شفافیت با استفاده از مدل های زبانی محلی مطرح گردیده است. این مطالعه می تواند برای پژوهشگران هوش مصنوعی، طراحان سیستم های توصیه گر و سیاستگذاران پلتفرم های دیجیتال مفید باشد.

کلیدواژه ها:

سیستم توصیه گر ، یوتیوب ، شخصی سازی ، حباب اطلاعاتی ، شفافیت الگوریتمی ، تجربه کاربری