Inleiding

1. Een kritische blik op het concept van filterbubbels

2Het toenemende gebruik van online personalisatiealgoritmen roept veel vragen op over het vermogen van gebruikers om diverse informatiebronnen te blijven raadplegen. Het begrip “filterbubbel” [Pariser, 2012] wordt vaak gebruikt om een toestand van intellectuele isolatie te beschrijven die ontstaat wanneer alle content die mogelijk indruist tegen de ideeën of voorkeuren van de gebruiker uit diens gezichtsveld verwijderd wordt door algoritmische mechanismen. Als tegenreactie wordt weleens aangeraden om opzettelijk willekeurig gedrag te vertonen dat het algoritme op het verkeerde been zet, of zelfs om platformen met dergelijke algoritmen helemaal te vermijden [Bozdag en van den Hoven, 2015]. Hoewel deze theorie de verdienste heeft dat ze de aandacht van het brede publiek heeft gevestigd op de problemen en effecten van algoritmische personalisatie, is ze toch op verschillende vlakken misleidend. Zo wordt de indruk gewekt dat geautomatiseerde aanbevelingen steeds hetzelfde effect hebben op onze informatiepraktijken. Wetenschappelijk onderzoek over dit onderwerp levert echter tegenstrijdige resultaten op en wijst daarmee op een complexe situatie, die verschilt naargelang het platform en het toepassingsgebied van het algoritme.

3Zo werd lang gedacht dat online zoekresultaten sterk toegesneden waren op het profiel van de gebruiker, maar recent onderzoek toont aan dat er toch een aanzienlijke overlap is in de resultaten van meerdere zoekopdrachten uitgevoerd door verschillende gebruikers [Haim et al., 2018; Krafft et al., 2018; Puschmann, 2019]. Wat bijvoorbeeld nieuwsaanbevelingen betreft, stelt een onderzoek onder leiding van Facebook [Bakshy et al., 2015] dat het algoritme van het platform weliswaar de blootstelling aan tegengestelde meningen vermindert, maar dat de keuze van sociale relaties van gebruikers een grotere invloed heeft op de personalisatie van de nieuwsfeed. Experimentele studies schrijven aan de werking van aanbevelingsalgoritmen ook een negatief effect op de diversiteit van meningen toe. Claussen et al. [2019] stellen vast dat het personaliseren van de startpagina van een nieuwssite de diversiteit van de geraadpleegde content vermindert, terwijl Dylko et al. [2017] vaststellen dat gepersonaliseerd nieuws de blootstelling aan dissonante informatie beperkt. Studies in andere toepassingsgebieden plaatsen echter kanttekeningen bij deze waarnemingen. Zo keken Aiello en Barbieri [2017] naar contactaanbevelingen op Flickr en Tumblr. Ze stelden vast dat geautomatiseerde aanbevelingen voor meer diversiteit zorgden in het sociale medium van de gebruikers. Volgens de auteurs van het onderzoek stelt dit systeem gebruikers bloot aan een grotere verscheidenheid van contacten dan wanneer ze direct op de website blogs verkennen of opzoekingen doen.

4In het geval van de streamingdiensten geeft de studie van Roth et al. [2020] aan dat videoaanbevelingen op YouTube gebruikers in de richting van homogene groepen van video’s sturen, met een voorkeur voor “populaire” video's die al door duizenden gebruikers bekeken zijn. In hun studie van de website MovieLens, die films aanbeveelt op basis van scores toegekend door de gebruikersgemeenschap, ontdekten Nguyen et al. [2014] dat gebruikers bij wie aanbevelingen ingeschakeld waren na verloop van tijd steeds minder diverse content gingen raadplegen. Deze daling was echter minder groot dan bij andere gebruikers van het platform bij wie aanbevelingen niet ingeschakeld waren. Op Spotify blijkt muziekconsumptie onder invloed van aanbevelingssystemen gepaard te gaan met een afname van de diversiteit van individueel beluisterde nummers op lange termijn [Anderson et al., 2020]. Holtz et al. [2020] en Datta et al. [2017] constateren echter een positief effect van geautomatiseerde aanbevelingen op de diversiteit van luisterpraktijken in het algemeen. Zo merken Holtz et al. [2020] op dat er meer verschillende content wordt geraadpleegd op platformniveau, maar dat elk individu zich wel steeds meer gaat richten op specifieke interesses. Tot slot geeft het werk van Beuscart et al. [2019] rond Spotify aan dat automatische aanbevelingen helpen om gebruikers naar minder populaire nummers te leiden en dat geïnformeerde gebruikers er meer door op verkenning gaan.

5Hierbij moeten we wel steeds indachtig blijven dat er grote verschillen zijn in de aangehaalde studies qua reikwijdte van de resultaten, de gebruikte methodologie en de steekproefgrootte. Daardoor is het moeilijk om de resultaten van deze studies één op één te vergelijken. De literatuur wijst er in elk geval op dat het effect van aanbevelingsalgoritmen op het informatiegebruik niet zomaar te reduceren valt tot een alsmaar sterkere isolatie in homogene ruimten. Aanbevelingssystemen hebben weliswaar een significante invloed op de informatiehorizon van individuen, maar het effect is lang niet zo uniform als de theorie van de filterbubbels doet vermoeden. De aard van de aanbevolen items, de gebruikte technologie, de interface die aan de gebruiker voorgesteld wordt en de context waarin het apparaat gebruikt wordt, kunnen allemaal van invloed zijn op de informatieraadpleging [Dalhgren, 2021]. Afgezien van deze technische aspecten zijn de manieren waarop online content geconsumeerd wordt ook diverser dan verwacht. In de context van een informatie-ecosysteem met een gediversifieerd media-aanbod merken Fletcher en Nielsen [2017] op dat de meeste (volwassen) gebruikers content van nichemedia combineren met andere content van media gericht op een breed publiek. Deze resultaten schragen de bevindingen van Dubois en Blank [2018], die benadrukken dat gebruikers van sociale media over het algemeen verschillende informatiebronnen naast elkaar leggen (online zoekopdrachten, oude media, sociale media...). Garrett et al. [2013] en Newman et al. [2020] stellen ook vast dat zelfs het gebruik van partijdige nieuwssites over het algemeen samengaat met de consumptie van nieuws van oudere media. Het komt dan ook zelden voor dat gebruikers van online platformen zich in een perfect afgesloten digitale omgeving bevinden.

6Theorieën zoals die van de filterbubbel geven dus lang geen volledig beeld van de complexiteit van het gebruik van deze systemen. Deze complexiteit erkennen betekent uiteraard geenszins dat het gebruik van aanbevelingsalgoritmen zonder gevolgen is. Alleen moeten de effecten ervan geanalyseerd worden door de lens van de gebruikscontexten om verder te kunnen gaan dan een deterministische voorstelling van de gebruiker die geen enkele zeggenschap heeft. De literatuur over deze meervoudige gebruikscontexten wordt steeds uitgebreider, maar verschillende individuele markers worden nog verwaarloosd en verdienen onze aandacht als we ons begrip van mediapraktijken willen verfijnen. Een onderscheid maken tussen de praktijken van verschillende leeftijdsgroepen lijkt ons een relevante onderzoekspiste om dat doel te bereiken. Daarom spitsen we ons in wat volgt toe op de specifieke mediapraktijken van Brusselse jongeren.

2. De algoritmische verbeelding bij Brusselse jongeren

7We gaan ervan uit dat de algoritmische verbeelding van Brusselse jongeren en de manieren waarop zij naar de effecten van aanbevelingssystemen kijken van invloed is op de manier waarop zij van de aanbevelingssystemen gebruikmaken, informatie inwinnen en zich een mening vormen. Om deze algoritmische verbeelding en wat zij uitdraagt te bestuderen, is het belangrijk om meer informatie te verzamelen over de gemoedstoestanden en emoties die de algoritmen mee teweegbrengen [Bucher, 2017: 32]. Deze benadering op basis van de ervaring van de effecten van de algoritmen kan worden aangevuld met een studie van de praktijken en tactieken bij jongeren om te handelen en te leven in relatie met de algoritmen op de platformen waarvan zij gebruikmaken [Wiard, Lits en Dufrasne, 2022].

8De eerste fase van dit onderzoek naar de algoritmische verbeelding bij Brusselse jongeren bestond uit de afname van 27 verkennende interviews met leraars in het secundair onderwijs (n=9), met Brusselse jongeren tussen 15 en 24 jaar (n=9) en met experts in media en media-educatie (n=9) in het Brussels Hoofdstedelijk Gewest. Aangezien het informatiegebruik bij jongeren niet losgekoppeld kan worden van de sociale media waarmee zij zin kunnen geven aan de informatie [Claes et al., 2021], konden we aan de hand van de interviews in de eerste plaats nagaan welke voorstellingen volwassenen hebben over de relaties van jongeren met algoritmen. Uit de interviews met de leraars bleek bijvoorbeeld dat zij voornamelijk een pessimistisch beeld hebben. De meesten vonden dat leerlingen weinig nadenken over de aanwezigheid van algoritmen in hun dagelijkse informatiegebruik. De leraars droegen de voorstelling van een schadelijke of gevaarlijke digitale wereld uit, waarin de zogenaamde bewezen effecten van de filterbubbels, cyberpesten, desinformatie en complottheorieën met elkaar verweven zijn.

“Ze weten het niet, of ze hebben het niet begrepen (...). Zo vertelde een leerling mij [aan de hand van YouTube-filmpjes met desinformatie]: ‘De Egyptenaren hadden vroeger ook al elektriciteit, want hoe hadden ze die piramiden anders kunnen bouwen. In de graftombes was het donker en als ze fakkels hadden, dan zouden ze uitgerookt zijn (...)’.” (leraar 1)

9Paradoxaal genoeg is dit begrip van de digitale wereld gebaseerd op een gedeeltelijk en beperkt gebruik van sociale media door de geïnterviewde leraars, die soms weinig wisten over de specifieke kenmerken eigen aan elk sociaal medium. Bij de geïnterviewde Brusselse jongeren stelden we echter een eerste niveau van bewustzijn vast omtrent de aanwezigheid van aanbevelingssystemen op de sociale media die zij gebruiken. Om te beginnen, spraken zij uitdrukkelijk over algoritmen in samenhang met voorgestelde content. Velen hadden ook een utopistisch en technisch-deterministische opvatting over de almacht van deze technologieën en over hun vermogen om de wereld te veranderen. Het discours van de experts tot slot is genuanceerder. Zij benadrukken dat jongeren beter geïnformeerd zijn dan ze lijken. Ze verwijzen naar de sociaal-technische context waarin jongeren zich ontwikkelen om hun relatie met informatie en algoritmen te verklaren. Gezien deze eerste resultaten lijkt het noodzakelijk om leraars en andere pedagogische actoren meer bij te brengen over algoritmen en om hen te voorzien van tools waarmee zij meer inzicht krijgen in de digitale wereld waarin zijzelf en jongeren zich ontwikkelen.

10Vervolgens hebben we de aard van de relaties van Brusselse jongeren met aanbevelingsalgoritmen onderzocht in het kader van 16 focusgroepen van ongeveer anderhalf uur. Deze focusgroepen vonden plaats in 2019 en elke focusgroep bestond uit 4 tot 7 jongeren van 15 tot 18 jaar (79 jongeren in totaal). Deze focusgroepen werden in scholen georganiseerd tijdens de lesuren, zonder dat leraars tussenkwamen. Aangezien het Brusselse onderwijssysteem zich kenmerkt door etnische en sociale segregatie [Sacco et al., 2016], vonden de focusgroepen plaats in vijf geselecteerde scholen in het Brussels Hoofdstedelijk Gewest. Zo konden we een zekere diversiteit garanderen qua sociaal-economische achtergrond van de deelnemende jongeren. Om de focusgroepen in goede banen te leiden, beschikte het onderzoeksteam over visuele hulpmiddelen, zoals pictogrammen van sociale media die op grafische voorstellingen moesten worden geplaatst afhankelijk van de verschillende situatieschetsen (figuur 1 tot 2). Aan de hand van deze begeleidende hulpmiddelen konden de jongeren een eigen standpunt innemen en daarna een collectief gesprek aangaan rond heel algemene thema’s (de verschillende soorten sociale media en gebruiksvormen). Nadien werd geleidelijk aan overgeschakeld op concrete informatiepraktijken (hun meningen en de manieren waarop ze informeren naar een actueel onderwerp bijvoorbeeld).

11Door de gesprekken en debatten tussen de jongeren kregen we allereerst een beter beeld van hun relatie met informatie. Deze jongeren noemen content die ze online tegenkomen informatie wanneer ze die content interessant vinden en/of wanneer de content bij hen een bepaalde emotie losmaakt. Content die vreugde, welzijn en tevredenheid (bv. humoristische, inspirerende of verrassende content) of daarentegen woede, afschuw en verachting (bv. een filmpje over een schietpartij of agressie) oproept, heeft een impact op hun kwalificatie van informatie. Online content over een aanslag in het buitenland, het privéleven van een influencer of topvoetballer, huiswerk of familiefeesten bijvoorbeeld worden door jongeren doorgaans als informatie beschouwd [Mercenier, Wiard en Dufrasne, 2021]. Jongeren hebben via verschillende platformen (Instagram, YouTube, Google [news], WhatsApp en Snapchat) toegang tot deze content die zij informatie noemen. Dat content bij hen een bepaalde interesse en/of emotie opwekt, moet begrepen worden in het licht van de sociaal-technische vermazing op basis waarvan jongeren zin geven aan de informatie. Zo gebruiken zij verschillende toestellen (smartphone, computer, televisie...) om toegang te krijgen tot de als informatie beschouwde content en om het belang ervan te beoordelen. Deze gebruiksvormen worden aangevuld met de bepalende bijdragen van familie, vrienden en gezagsdragers (ouders, grootouders, leraars, influencers op sociale media, enz.) die een cruciale rol vervullen bij het melden van content en het geven van betekenis aan die content.

12Uit de analyse van de focusgroepen is ook gebleken dat de meeste geïnterviewde jongeren weten dat er aanbevelingssystemen bestaan en dat de content op sociale media wordt gefilterd. Vele jongeren beschrijven dat filmpjes, reclameadvertenties en andere content niet willekeurig verschijnen op hun nieuwsfeed maar het gevolg zijn van filtering.

“- Wanneer je op een filmpje klikt, wordt geanalyseerd waar je naar kijkt, en dan krijg je meer van dergelijke filmpjes aanbevolen.
- En stoort je dat? 
- Niet echt. Ik vind dat YouTube je voorkeuren moet weten om je filmpjes voor te stellen die je leuk vindt.” (leerling 1)

“Op Facebook hang je er echt aan. Als ik op het internet naar vliegtuigtickets gezocht heb, krijg ik gegarandeerd veel reclame over de bestemming die ik gekozen heb, en zelfs artikels erover. Het is echt zot. Op Instagram is ‘t ook zo.” (leerling 2)

13Ze geven wel toe dat ze niet over de woorden of technische kennis beschikken om uit te leggen hoe die filtering dan precies werkt. Ondanks dit gebrek aan mediageletterdheid [Fastrez en Philippette, 2017] en metataal ontwikkelen zij contrasterende opvattingen en bepaalde strategieën om in te werken op de aanbevelingssystemen. De effecten van deze aanbevelingen worden door sommige jongeren tegengesproken, door andere gewaardeerd en door nog andere zelfs als beperkt bevonden. Zo bekritiseren bepaalde jongeren de aanbevelingssystemen omdat ze vinden dat deze systemen hen isoleren “in een bubbel” waar ze uit moeten geraken. Andere jongeren vinden aanbevelingssystemen dan weer nuttig, omdat ze op die manier content ontdekken waartoe ze volgens hen anders wellicht geen toegang zouden hebben. Een ander deel van de deelnemende jongeren ten slotte vond dat de aanbevelingen slechts een beperkte impact op hun toegang tot informatie hadden, aangezien ze gewoon hun gewoonten hoefden aan te passen (bijvoorbeeld belangstelling tonen voor een nieuw onderwerp) opdat het aanbevelingssysteem er rekening mee zou houden.

14Deze resultaten tonen aan dat de meeste geïnterviewde jongeren een praktische kennis over aanbevelingsalgoritmen hebben ontwikkeld en intuïtief verscheidene tactieken hanteren om in te werken op de effecten van de algoritmen, zonder dat ze al te veel weten over de werking van aanbevelingsalgoritmen.

“Op YouTube kan ik zien of ik het filmpje al bekeken heb of niet. Soms kijk ik een tweede keer naar hetzelfde filmpje om YouTube duidelijk te maken van ja, ik heb het filmpje al gezien maar ik wil nog meer van dergelijke content voorgesteld krijgen.” (leerling 3)

“Ik voel me er niet goed bij wanneer ik tot het besef kom dat ik alweer veel te lang aan het scrollen ben. Ik stop dan en leg mijn telefoon aan de kant.” (student 4)

“Vroeger volgde ik de pagina van RTL info, maar ik ben ermee gestopt omdat het te deprimerend werd. Meestal posten ze negatieve berichten. Ik heb ze dus ontvolgd.” (student 5)

16Jonge Brusselaars ontwikkelen zich tegenwoordig dus in een wisselend informatie-ecosysteem, waarin onder andere aanbevelingsalgoritmen een invloed hebben op hun toegang tot informatie. Uit het onderzoek naar de algoritmische verbeelding van deze jongeren blijkt dat, ook al weten zij niets over de werking van de aanbevelingssystemen, zij over contextuele praktijkkennis beschikken. Daardoor ontwikkelen zij op sociale media een zeker inzicht in de effecten van sommige van hun surfgewoonten op de aard van de informatie waartoe zij toegang krijgen. Die kennis is echter beperkt en intuïtief, en niet alle geïnterviewde jongeren zijn er even kundig in. Die bekwaamheid hangt meer af van de actieve houding van de jongeren ten aanzien van de tools en informatie dan van hun opleidingsniveau.

3. Emotionele en confrontationele uitdagingen bij de vorming van meningen

17Aan de hand van het onderzoek naar de algoritmische verbeelding hebben we vastgesteld dat jongeren een gemeenschappelijke kennisbasis hebben omtrent belangrijke actuele kwesties of uitdagingen in die tijd (2019), zoals de “gele hesjes”, de klimaatmarsen en de brand in de Notre-Dame van Parijs. Deze gemeenschappelijke informatiebasis, aangevuld door een heleboel content die beschouwd wordt als informatie op individueel niveau, is het resultaat van de ervaring van de jongeren met een complex informatie-ecosysteem waar technische tools en interpersoonlijke relaties (vrienden, ouders, leraars, influencers, enz.) met elkaar verweven zijn. In de lijn van de vaststellingen van Moeller en Helberger [2018], die de reële maar beperkte effecten van aanbevelingssystemen op de vorming van meningen bij individuen aangetoond hebben, verduidelijkt het ALG-OPINION-project hoe deze effecten tot uiting komen bij Brusselse jongeren. Om het beeld van Pariser [2012] erbij te nemen: eventuele bubbels zijn eerst en vooral sociaal-technisch, poreus en vervlochten, en niet zozeer hermetisch, en werken sociaal-cognitieve isolatie in de hand.

18Uit deze resultaten komen minstens twee grote uitdagingen naar voren over het meningsvormingsproces bij deze bevolkingsgroep. Laten we het eerst hebben over de emotionele uitdagingen van de ervaring met algoritmen. Enerzijds brengen aanbevelingssystemen bepaalde gemoedstoestanden en gevoelens teweeg bij de gebruikers, die verband houden met hun begrip van de technologie [Swart, 2021]. Anderzijds zijn die systemen ook vectoren die de emoties van de gebruikers aanwakkeren [Kramer et al., 2014]. Beide aspecten werden verduidelijkt in het geval van de Brusselse jongeren. Hierbij werd gewezen op de verschillende houdingen die deze technologieën kunnen teweegbrengen (kritische, waarderende of agerende houding), maar ook op de verschillende emoties, bijvoorbeeld vreugde, tevredenheid, woede of afschuw, die de technologieën oproepen. De rol van emoties bij (politieke) meningsvorming werd reeds lange tijd geleden vastgesteld [Hilbert et al., 2018]. Het ALG-OPINION-project maakt echter de weg vrij voor nieuwe onderzoeken om beter te begrijpen hoe dergelijke emoties meer specifiek in het informatie-ecosysteem van jongeren tussenkomen.

4. Denkpistes voor kritische educatie over algoritmen

21Alveho is een website met een nieuwsfeed bestaande uit persartikels van de RTBF. De nieuwsfeed wordt georganiseerd door een aanbevelingsalgoritme dat elk artikel een score toekent. Hoe hoger de score, hoe hoger het artikel in de nieuwsfeed verschijnt. De score wordt bepaald door de overeenkomst van het artikel met de surfgeschiedenis van de gebruiker en door de publicatiedatum. De eerste aanbevolen artikels zijn dus recente artikelen die bovendien heel veel gelijkenissen vertonen met de artikels die de gebruiker doorgaans raadpleegt. De gebruiker kan echter beslissen om deze standaardparameters te omzeilen via mechanismen die een invloed hebben op drie belangrijke aspecten van het aanbevelingsproces, namelijk de input van het algoritme (de gegevens die het systeem registreert om het algoritme te informeren), de prioriteiten van het algoritme (de manier waarop het de score berekent) en de output (de volgorde van de aanbevelingen). Voor de input kunnen de gebruikers toegang krijgen tot hun surfgeschiedenis en bepaalde elementen filteren waarmee het algoritme geen rekening moet houden. Voor de output kunnen sommige contentcategorieën verborgen worden in de lijst met aanbevelingen. Tot slot kan de gebruiker ook parameters instellen voor het belang van de overeenkomst of de publicatiedatum van het artikel voor de eindscore die uiteindelijk de rangorde van de aanbevelingen zal bepalen. Zo is het perfect mogelijk om aan het algoritme recente artikels te vragen die niet al te veel rekening houden met de surfgeschiedenis van de gebruiker. Het is zelfs mogelijk om artikels te vragen die helemaal niet overeenkomen met de surfgeschiedenis van de gebruiker.

22In het kader van een eerste experiment met 23 deelnemers (masterstudenten van gemiddeld 22 jaar oud) over een periode van vijf weken in 2021 hebben we aan de hand van eye tracking en interviews gemeten in welke mate de aanwezigheid van deze tools voor parametrering de gebruikers van de website heeft gestimuleerd om stil te staan bij de werking van het algoritme en de effecten ervan op de structurering van de informatie. Het bleek dat deze controletools moeilijk te begrijpen waren voor de gebruikers. Hoewel het ons nochtans makkelijk leek om de output te filteren en de algoritmen te controleren (de gebruikers konden rechtstreeks op het startvenster schuifregelaars aanpassen), hebben bijna geen van de deelnemers begrepen hoe de controletools werkten. Volgens ons zijn daar meerdere redenen voor. Ten eerste zijn dergelijke controletools amper terug te vinden op commerciële platformen. Aangezien de deelnemers het niet gewoon waren om het algoritme aan te passen, hadden ze het niet door dat ze bepaalde tools konden aanpassen. Ten tweede bleek het moeilijk te zijn om acties op de interface in verband te brengen met de effecten ervan op de aanbevelingen. Aangezien de interface ook bestond uit interactieve grafieken naast de controletools en de lijst met aanbevelingen, vonden sommige deelnemers het moeilijk om na te gaan hoe sommige van hun acties een invloed hadden op de content die ze raadpleegden. Daarnaast hebben we dus Alveho uitgetest in het kader van een experimentele activiteit rond media-educatie in samenwerking met de vzw Média Animation, een erkende organisatie op het vlak van media-educatie in Franstalig België. We hebben toen vastgesteld dat wanneer de gebruikers deze functies gebruikten onder begeleiding van een deskundige, zij beter begrepen hoe het algoritme werkte. Het hielp hen ook om kritischer na te denken over deze technologieën.

23In het algemeen schetsen de resultaten in verband met het gebruik van Alveho een vrij complex beeld van het gebruik van controletools voor algoritmen. Als deze tools geïntegreerd zijn in de interface, kunnen zij gebruikers meer doen nadenken over de effecten van deze technologieën. Maar als de tools niet goed geïntegreerd zijn of als ze te onduidelijk zijn voor de gebruikers, dan zullen die gebruikers moeten terugvallen op standaardparameters die niet altijd in hun voordeel zijn. Gezien deze waarnemingen vinden we dat media-educatie niet alleen gericht zou mogen zijn op de gebruikers, maar ook op de ontwikkelaars van deze mechanismen. Ongeacht de mate van geletterdheid van de gebruikers zal hun handelingsvermogen immers altijd beperkt zijn door wat het door hen gebruikte aanbevelingssysteem hen mogelijk maakt. Door de mediageletterdheid van IT-ontwikkelaars uit te breiden [Fastrez en Philippette, 2017], beschikken zij over de nodige vaardigheden om de sociale effecten van hun ontwikkelingspraktijken te evalueren.

Besluit

24Het onderzoeksproject ALG-OPINION had als doel om de algoritmische verbeelding bij Brusselse jongeren te typeren en om na te gaan hoe deze verbeelding hun informatiepraktijken beïnvloedt. De meeste jongeren die we hebben geïnterviewd, beschikken over praktische kennis over aanbevelingsalgoritmen en ontwikkelen min of meer bewuste strategieën om de effecten van deze algoritmen te proberen veranderen. Het is goed dat jongeren middelen vinden om hun informatie-ecosysteem aan te passen ten aanzien van automatische aanbevelingen, maar zij blijken op die manier ook tegemoet te komen aan een noodzaak die zij ervaren om dat te doen. Niettemin is de beheersing van deze kennis en tactieken nog altijd zeer ongelijk tussen individuen. Ze blijft voornamelijk het resultaat van praktische aanpassingen, waarvan de doeltreffendheid en relevantie niet volledig begrepen worden. Uit de projectresultaten blijkt dan ook de noodzaak om de kennis en de aanpassingsmogelijkheden ten aanzien van aanbevelingstools bij jongeren meer te formaliseren. Verder zou er meer moeten worden nagedacht over de plaats van de uitdagingen op het vlak van aanbevelingsalgoritmen in de basisopleiding en permanente vorming van leraars in het Brusselse officiële onderwijssysteem. De ontwikkeling van kritische algoritmische geletterdheid bij al deze doelgroepen is een toekomstige uitdaging voor het Brussels Hoofdstedelijk Gewest. Deze geletterdheid zou moeten worden ondersteund door de organisatie van activiteiten rond media-educatie, die nu al worden ondernomen in het Gewest.

25Hoewel de Brusselse gewestregering niet bevoegd is om online digitale ruimten te reglementeren, kan ze via de gemeenschapscommissies toch maatregelen nemen om het gebruik van deze ruimten te verbeteren in het belang van de participatieve democratie (bv. Alpha-TIC en BRUZZKet). De vele educatietools om de werking van een aanbevelingsalgoritme te verduidelijken (zoals bij het Alveho-platform), maar ook de oprichting van productieve ruimten voor debat tussen ontwikkelaars van aanbevelingsmechanismen en actoren in de sector van de media-educatie, het verplichte en hoger onderwijs en de media zelf zijn volgens ons pistes die verder moeten worden onderzocht om dat doel te bereiken.