Hvordan kan man teknisk designe algoritmer, der skaber høj brugerengagement, uden at de samtidig fjerner de vigtige og nuancerede perspektiver?
Når man designer algoritmer til sociale medier eller nyhedssider, opstår der ofte en konflikt mellem engagement og alsidighed. Engagement måles typisk på, hvor meget folk klikker, ser eller deler indhold. Problemet er, at det mest provokerende eller ensidige indhold ofte skaber mest aktivitet, hvilket kan skabe ekkokamre.
For at løse dette teknisk kan man indføre flere forskellige parametre i algoritmen. I stedet for kun at optimere efter klikrater, kan man vægte indhold baseret på diversitet. Det betyder, at systemet programmeres til at identificere forskellige perspektiver i en debat og aktivt sørge for, at brugeren præsenteres for mere end én side af en sag. Man kan også bruge maskinlæring til at måle kvaliteten af interaktionen. Det er en forskel på, om en bruger ser noget færdigt, eller om de blot klikker hurtigt på en overskrift. Ved at belønne indhold, der fører til længerevarende og mere dybdegående interaktion, fremfor blot hurtige klik, kan man skabe en bedre balance. Det handler altså om at flytte fokus fra ren kvantitet til en sundere blanding af både populært og vigtigt indhold.
