Modifica di Filter bubble

La filter bubble (loc. s.le f.) è l’ambiente virtuale che ciascun utente costruisce su Internet scegliendo solo i contenuti che gli piacciono. In questa bolla, vediamo principalmente informazioni simili a quelle che già conosciamo e poco contenuto nuovo. Per esempio, su Facebook, l’algoritmo mostra nella home post e foto che potrebbero piacere all’utente, mentre altri contenuti vengono nascosti. Solo il 5% degli utenti legge opinioni molto diverse dalle proprie. Il termine filter bubble significa “bolla filtrata” ed è stato coniato da Eli Pariser nel libro The Filter Bubble: What the Internet Is Hiding from You.<ref name="Pariser2011">Pariser, E. (2011). ''The Filter Bubble: What the Internet Is Hiding from You''.</ref>

==Funzionamento degli algoritmi ==

Gli algoritmi dei social network analizzano costantemente le azioni dell’utente — clic, “mi piace”, commenti, condivisioni e tempo di visualizzazione — per costruire un profilo preciso dei suoi interessi. Ogni interazione viene interpretata come un segnale di preferenza, e sulla base di questi dati l’algoritmo decide quali contenuti mostrare più spesso nel feed.<ref name="Pariser2011"/>

Secondo Pariser, questa logica di personalizzazione porta alla formazione della filter bubble, un ambiente informativo in cui l’utente vede principalmente contenuti che confermano le sue opinioni, mentre quelli diversi o contrastanti vengono progressivamente ridotti o nascosti.<ref name="Pariser2011"/>

Studi recenti dimostrano che questo meccanismo può diminuire la diversità informativa, poiché gli algoritmi tendono a privilegiare contenuti simili a quelli già apprezzati, rafforzando così un ecosistema chiuso di informazioni.<ref name="Arxiv1905">"Information filtering and personalization algorithms", arXiv:1905.03919. [https://arxiv.org/abs/1905.03919](https://arxiv.org/abs/1905.03919)</ref><ref name="Arxiv2004">"Social media recommendation dynamics", arXiv:2004.09603. [https://arxiv.org/abs/2004.09603](https://arxiv.org/abs/2004.09603)</ref>

Ricerche più recenti pubblicate nel 2024 evidenziano inoltre che tali sistemi di raccomandazione possono aumentare la polarizzazione e limitare l’esposizione a prospettive alternative, contribuendo alla formazione di una bolla informativa sempre più marcata.<ref name="AppliedNS">Applied Network Science (2024). ''Impact of recommender systems on information diversity''. [https://appliednetsci.springeropen.com/articles/10.1007/s41109-024-00679-3](https://appliednetsci.springeropen.com/articles/10.1007/s41109-024-00679-3)</ref><ref name="Springer2024">Springer (2024). ''Algorithmic personalization and its ethical implications''. [https://link.springer.com/article/10.1007/s13347-024-00758-4](https://link.springer.com/article/10.1007/s13347-024-00758-4)</ref>

==Effetti ipotizzati==

La filter bubble può far vedere agli utenti solo una parte della realtà, limitando l’esposizione a punti di vista diversi.<ref name="Pariser2011"/> Gli utenti tendono a ricevere prevalentemente contenuti che confermano le loro convinzioni, riducendo la capacità di comprendere opinioni alternative.

Studi recenti mostrano che gli algoritmi di raccomandazione accentuano questa tendenza, riducendo ulteriormente la varietà dei contenuti e contribuendo alla polarizzazione delle opinioni.<ref name="AppliedNS"/><ref name="Springer2024"/>

Di conseguenza, la filter bubble non solo riduce la diversità informativa, ma può anche influenzare la percezione della realtà e il dibattito pubblico, perché gli utenti si trovano intrappolati in una “bolla” di contenuti che riflettono principalmente le loro idee e preferenze.

==Implicazioni sociali e culturali==

Le bolle informative create dagli algoritmi non influenzano solo ciò che un singolo utente vede, ma hanno anche effetti più ampi sulla società e sulla cultura. Quando gli utenti sono esposti principalmente a contenuti che confermano le loro opinioni, le differenze tra gruppi con visioni diverse tendono a essere enfatizzate, aumentando la polarizzazione sociale.<ref name="AppliedNS"/><ref name="Springer2024"/>

Questo fenomeno può ridurre significativamente il dialogo tra persone con idee differenti, poiché ciascun gruppo vede principalmente informazioni coerenti con le proprie convinzioni e tende a ignorare o sminuire punti di vista alternativi.<ref name="Pariser2011"/>

Le implicazioni culturali sono altrettanto rilevanti: le filter bubbles possono rafforzare stereotipi, diffondere disinformazione e ridurre l’esposizione a prospettive diverse, creando una società più frammentata. Questo può avere effetti negativi sul dibattito pubblico, sulla coesione sociale e sulla capacità collettiva di affrontare problemi complessi.

Infine, le bolle informative possono influenzare anche il comportamento politico e le scelte culturali, dato che gli utenti ricevono informazioni selezionate in base alle loro preferenze, il che può condurre a decisioni più polarizzate e a una partecipazione pubblica meno consapevole.<ref name="Pariser2011"/>

==Rischi==

La filter bubble comporta diversi rischi per l’utente e per la società. Tra i principali:

===Esposizione limitata a informazioni coerenti con le proprie idee===
Gli utenti vedono principalmente contenuti che confermano le loro convinzioni, riducendo la capacità di confrontarsi con opinioni diverse.<ref name="Pariser2011"/>

===Ridotta comprensione di punti di vista alternativi===
La mancanza di esposizione a prospettive diverse può limitare la capacità critica dell’utente e la comprensione della complessità delle questioni sociali, politiche o culturali.<ref name="AppliedNS"/><ref name="Springer2024"/>

*Maggiore vulnerabilità a influenze esterne*
Essere intrappolati in una bolla informativa può rendere gli utenti più facilmente influenzabili da pubblicità mirate, notizie parziali o contenuti manipolativi, aumentando il rischio di disinformazione e di decisioni basate su informazioni incomplete.<ref name="Pariser2011"/>

*Polarizzazione e frammentazione sociale*
Quando grandi gruppi di utenti sono esposti solo a contenuti affini alle loro convinzioni, si rafforzano divisioni sociali e culturali, riducendo il dialogo e la cooperazione tra diversi segmenti della società.<ref name="AppliedNS"/><ref name="Springer2024"/>

In sintesi, i rischi della filter bubble riguardano sia l’esperienza individuale, limitando la capacità di apprendere e comprendere punti di vista diversi, sia l’impatto collettivo, influenzando la società, la politica e la cultura in senso polarizzante.

==Rimedi ipotizzati==

*Consultare fonti diverse*
Leggere notizie e contenuti provenienti da differenti piattaforme, media e opinioni consente di avere una visione più completa della realtà e riduce il rischio di essere confinati in un ecosistema informativo limitato.<ref name="Pariser2011"/>

*Essere consapevoli del funzionamento degli algoritmi*
Comprendere come gli algoritmi di personalizzazione selezionano i contenuti permette agli utenti di riconoscere la propria esposizione limitata e di cercare attivamente punti di vista alternativi.<ref name="AppliedNS"/><ref name="Springer2024"/>

*Usare piattaforme che promuovono la varietà dei contenuti*
Alcune piattaforme digitali offrono strumenti per visualizzare contenuti non filtrati o diversificati. L’uso di tali piattaforme può aiutare a rompere la bolla informativa e aumentare l’esposizione a informazioni eterogenee.<ref name="Pariser2011"/>

*Adottare comportamenti digitali critici*
Verificare le fonti, confrontare le informazioni e discutere con persone che hanno punti di vista differenti sono pratiche che aiutano a mitigare gli effetti della filter bubble e a promuovere una maggiore consapevolezza digitale.<ref name="AppliedNS"/>

In sintesi, combinando consapevolezza, diversificazione delle fonti e utilizzo di strumenti adeguati, è possibile ridurre l’impatto della filter bubble sulla percezione della realtà e sul dibattito pubblico.

==Note==

<references/>

==Bibliografia==

* Pariser, E. (2011). ''The Filter Bubble: What the Internet Is Hiding from You''.
* "Information filtering and personalization algorithms", arXiv:1905.03919. [https://arxiv.org/abs/1905.03919](https://arxiv.org/abs/1905.03919)
* "Social media recommendation dynamics", arXiv:2004.09603. [https://arxiv.org/abs/2004.09603](https://arxiv.org/abs/2004.09603)
* Applied Network Science (2024). ''Impact of recommender systems on information diversity''. [https://appliednetsci.springeropen.com/articles/10.1007/s41109-024-00679-3](https://appliednetsci.springeropen.com/articles/10.1007/s41109-024-00679-3)
* Springer (2024). ''Algorithmic personalization and its ethical implications''. [https://link.springer.com/article/10.1007/s13347-024-00758-4](https://link.springer.com/article/10.1007/s13347-024-00758-4)