تاثیر فیلترهای حبابی شبکه های اجتماعی بر ارتباطات و صمیمیت خانواده

گسترش شبکه های اجتماعی و ادغام عمیق الگوریتم های یادگیری ماشین در آن ها، محیط اطلاعاتی افراد را به طور فزاینده ای شخصی سازی کرده است. این الگوریتم ها با تحلیل رفتار کاربران (جست وجو، مشاهده، پسند، اشتراک گذاری و مدت تعامل)، محتوایی را اولویت بندی می کنند که با علایق و باورهای پیشین آنان همسو است. پژوهش حاضر استدلال می کند که این سازوکار نه تنها تنوع اطلاعاتی را محدود می کند، بلکه از طریق تقویت سوگیری تاییدی، بازنگری نگرش ها را دشوار می سازد و در صورت وجود باورهای نادرست یا سوگیری شده، می تواند به تثبیت آن ها کمک کند. هنگامی که اعضای خانواده، شامل والدین و فرزندان و نیز زوجین، در محیط های اطلاعاتی متفاوت قرار می گیرند، سوءتفاهم ها ممکن است نه تنها حل نشوند، بلکه در اثر مواجهه مکرر هر طرف با محتوای تاییدکننده دیدگاه خود تشدید شوند. این پژوهش با رویکرد مروری تحلیلی و بررسی مفهومی شواهد موجود درباره اتاق های پژواک، تکنوفرنس و تاثیر قطبی سازی بر روابط صمیمانه، سازوکارهای احتمالی ارتباط میان فیلتر حبابی و کیفیت روابط خانوادگی را بررسی می کند. تحلیل منابع نشان می دهد که فیلتر حبابی می تواند یکی از عوامل ساختاری موثر بر کاهش درک متقابل، افزایش تعارض و فرسایش صمیمیت خانوادگی باشد؛ هرچند شدت و جهت این ارتباط به نوع استفاده از شبکه های اجتماعی، کیفیت روابط، سواد رسانه ای و شرایط اجتماعی وابسته است و برای اثبات رابطه علی مستقیم به پژوهش های تجربی بیشتری نیاز دارد. در پایان، راهکارهایی از جمله تقویت سواد الگوریتمی، تنوع بخشی به منابع اطلاعاتی، ایجاد فضای امن برای گفت وگوی خانوادگی و کاهش مداخله تلفن همراه در تعاملات حضوری ارائه می شود.

کلیدواژه ها:

Machine Learning Algorithms ، Filter Bubble ، Confirmation Bias ، Family Communication and Intimacy ، الگوریتم های یادگیری ماشین ، فیلتر حبابی ، سوگیری تاییدی ، ارتباط و صمیمیت خانوادگی