Filter bubble
La filter bubble è l’ambiente virtuale che ciascun utente costruisce su Internet quando sceglie solo i contenuti che gli piacciono. In questa bolla, l'utente vede soprattutto informazioni simili a quelle che già conosce 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 di filtraggio” ed è stato coniato da Eli Pariser nel libro The Filter Bubble: What the Internet Is Hiding from You. [1]
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.
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.[2]
Effetti ipotizzati
La filter bubble può far vedere agli utenti solo una parte della realtà, limitando l’esposizione a punti di vista diversi.[3] Gli utenti tendono a ricevere prevalentemente contenuti che confermano le loro convinzioni, il che ridurrebbe la loro capacità di comprendere opinioni alternative.
Studi recenti dimostrano che questo meccanismo può diminuire la diversità informativa, poiché gli algoritmi tendono a privilegiare contenuti simili a quelli già apprezzati.[4]
Altre ricerche mostrano inoltre come i sistemi di raccomandazione possano aumentare la polarizzazione e limitare l’esposizione a prospettive alternative, contribuendo alla formazione di una bolla informativa sempre più marcata.[5]
Implicazioni sociali e culturali
Le bolle informative create dagli algoritmi potrebbero non influenzare solo ciò che un singolo utente vede, ma avere anche effetti più ampi sulla società e sulla cultura. Secondo Pariser, questo accade soprattutto quando gli utenti sono esposti principalmente a contenuti che confermano le loro opinioni, poiché le differenze tra gruppi con visioni diverse tenderebbero a essere enfatizzate, favorendo la polarizzazione sociale.[6]
Questo fenomeno potrebbe 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.[7]
Le implicazioni culturali sono altrettanto rilevanti: le filter bubbles potrebbero rafforzare stereotipi, diffondere disinformazione e limitare l’esposizione a prospettive diverse, creando una società più frammentata e influenzando negativamente il dibattito pubblico, la coesione sociale e la capacità collettiva di affrontare problemi complessi.[8]
Infine, le bolle informative potrebbero condizionare anche il comportamento politico e le scelte culturali, dato che gli utenti ricevono informazioni selezionate in base alle loro preferenze, il che potrebbe portare a decisioni più polarizzate e a una partecipazione pubblica meno consapevole.[9]
Rischi
La filter bubble comporta diversi rischi sia per l’utente sia per la società nel suo complesso, poiché limita l’accesso a informazioni diversificate e influisce sui processi cognitivi e sociali.
Ridotta capacità di confrontarsi con opinioni diverse
La filter bubble tende ad amplificare il confirmation bias, favorendo la fruizione di contenuti che confermano le idee già possedute e rendendo più difficile l’esposizione a informazioni che mettono in discussione le proprie convinzioni. Questo meccanismo riduce la capacità degli individui di confrontarsi con opinioni diverse e di rivedere criticamente le proprie posizioni.[10]
Ridotta comprensione di punti di vista alternativi
La mancanza di esposizione a prospettive differenti può limitare la capacità critica dell’utente e la comprensione della complessità delle questioni sociali, politiche e culturali. Studi sulle dinamiche delle piattaforme digitali mostrano come l’interazione selettiva contribuisca alla formazione di ambienti informativi omogenei, nei quali il confronto con idee alternative risulta fortemente ridotto.[11][12]
Maggiore vulnerabilità a influenze esterne
Essere intrappolati in una bolla informativa può rendere gli utenti più facilmente influenzabili da pubblicità mirate, narrazioni parziali o contenuti manipolativi. La personalizzazione dei contenuti, basata su segnali di interazione, può favorire decisioni fondate su informazioni incomplete e aumentare il rischio di disinformazione, con possibili conseguenze anche sul funzionamento dei processi democratici.[13]
Polarizzazione e frammentazione sociale
Quando ampi gruppi di utenti sono esposti prevalentemente a contenuti coerenti con le proprie convinzioni, si rafforzano le divisioni ideologiche e culturali. Questo fenomeno contribuisce alla polarizzazione del dibattito pubblico e alla frammentazione sociale, riducendo le opportunità di dialogo e di cooperazione tra individui con orientamenti diversi.[14]
In sintesi, la filter bubble rappresenta un rischio concreto per l’apertura mentale dell’individuo e per la qualità del confronto pubblico, limitando la pluralità informativa e favorendo dinamiche di chiusura cognitiva e sociale.
Rimedi ipotizzati
Consultare fonti diverse
Consultare notizie e contenuti provenienti da differenti piattaforme, media e orientamenti editoriali permette di ottenere una visione più completa della realtà e di ridurre il rischio di rimanere confinati in un ecosistema informativo limitato. Pariser evidenzia come la personalizzazione dei contenuti online possa ridurre la possibilità di entrare in contatto con punti di vista diversi, e sottolinea l’importanza di esporsi a prospettive differenti per favorire l’apprendimento e la creatività.[15]
Essere consapevoli del funzionamento degli algoritmi
Comprendere il funzionamento degli algoritmi di personalizzazione, che selezionano i contenuti sulla base delle interazioni dell’utente, permette di riconoscere una possibile esposizione informativa limitata e di cercare attivamente punti di vista alternativi. Gli studi di Sasahara et al. (2020) mostrano come la selezione algoritmica possa rafforzare la polarizzazione e limitare la diversità informativa.[16]
Usare piattaforme che promuovono la varietà dei contenuti
Alcune piattaforme digitali offrono strumenti o impostazioni che favoriscono la visualizzazione di contenuti meno filtrati o più diversificati. L’uso consapevole di tali strumenti può contribuire a ridurre l’impatto della bolla informativa e ad ampliare l’orizzonte informativo degli utenti. Cinelli et al. (2021) evidenziano l’efficacia della diversificazione dei contenuti nel ridurre gli effetti delle echo chambers.[17]
Adottare comportamenti digitali critici
Verificare l’affidabilità delle fonti, confrontare informazioni provenienti da contesti diversi e dialogare con persone che esprimono punti di vista differenti sono pratiche fondamentali per mitigare gli effetti della filter bubble e promuovere una maggiore consapevolezza digitale. Studi su creatività e apprendimento (Benkler, 2001; Nemeth & Kwan, 2010; Johnson, 2010) mostrano come l’esposizione a idee e prospettive diverse favorisca l’innovazione e l’apertura mentale.[18]
In sintesi, adottare un approccio critico all’uso delle piattaforme digitali, prestare attenzione alle fonti informative e ricercare attivamente la diversità dei contenuti rappresenta una strategia efficace per ridurre gli effetti della filter bubble e favorire una comprensione più articolata della realtà.
Note
- ↑ Pariser, The Filter Bubble, Introduzione.
- ↑ Pariser, The Filter Bubble, p. 40.
- ↑ Pariser, The Filter Bubble, p. 40.
- ↑ "Information filtering and personalization algorithms", arXiv:1905.03919.
- ↑ Applied Network Science (2024). Impact of recommender systems on information diversity.
- ↑ Pariser, The Filter Bubble, p. 5.
- ↑ Pariser, The Filter Bubble, p. 148.
- ↑ Pariser, The Filter Bubble, p. 155.
- ↑ Pariser, The Filter Bubble, p. 225.
- ↑ Pariser, The Filter Bubble, p. 88.
- ↑ Sasahara et al., 2020.
- ↑ Cinelli et al., 2021.
- ↑ Pariser, The Filter Bubble, p. 148.
- ↑ Cinelli et al., 2021.
- ↑ Pariser, The Filter Bubble, pp. 2, 3, 4, 15, 16, 17.
- ↑ Sasahara et al., 2020.
- ↑ Cinelli et al., 2021.
- ↑ Benkler, 2001.
Bibliografia
Pariser, E. (2011). The Filter Bubble: What the Internet Is Hiding from You. New York: Penguin Press.
Sasahara, K., Chen, W., Peng, H., Ciampaglia, G. L., Flammini, A., & Menczer, F. (2019). Social influence and unfollowing accelerate the emergence of echo chambers. arXiv:1905.03919. https://arxiv.org/abs/1905.03919
Cinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W., & Starnini, M. (2020). Echo chambers on social media: A comparative analysis. arXiv:2004.09603. https://arxiv.org/abs/2004.09603
Benkler, Y. (2001). Of sirens and Amish children: Autonomy, information, and law. New York University Law Review, 76(3), 109–156.