Personnaliser les fils d'actualité des réseaux sociaux grâce aux retours des utilisateurs

Les fils d'actualités sur les réseaux sociaux, c'est là où les gens partagent du contenu et interagissent avec les autres en ligne. Ces fils reflètent les valeurs et les préférences personnelles de chacun. Mais, beaucoup de plateformes sociales utilisent des algorithmes pour décider de ce que les utilisateurs voient. Ça peut limiter les choix des utilisateurs et ne pas tenir compte de leurs expériences uniques.

On peut utiliser une méthode appelée l'enseignement machine interactif (EMI) pour améliorer les fils d'actualités. L'EMI permet aux utilisateurs, même ceux qui n'ont pas de compétences techniques, d'enseigner aux algorithmes comment mieux répondre à leurs besoins. Cet article explore comment on peut concevoir des fils d'actualités qui laissent les utilisateurs personnaliser leurs expériences.

#Comprendre les fils d'actualités sur les réseaux sociaux

Les fils d'actualités sur les réseaux sociaux influencent notre façon de nous connecter avec les autres au quotidien. La conception des fils contrôle comment on interagit avec les publications et avec qui on interagit. Les algorithmes priorisent certains contenus, façonnant nos comportements sociaux.

Ces 20 dernières années, la propriété des réseaux sociaux a changé, avec moins d'entreprises qui contrôlent beaucoup de contenu. Cette concentration de pouvoir a soulevé des inquiétudes sur la "souveraineté algorithmique", où les utilisateurs ont l'impression d'avoir perdu le contrôle sur leurs expériences en ligne.

Un focus sur les algorithmes de contenu signifie que les utilisateurs ont souvent une expérience frustrante. Beaucoup de plateformes appliquent une approche uniforme, ce qui peut ignorer les besoins divers des utilisateurs. Par exemple, un utilisateur qui communique différemment ou a des besoins spéciaux peut trouver son fil irrélavant ou écrasant.

Certains utilisateurs essaient de reprendre le contrôle en découvrant comment fonctionnent les algorithmes. Ils développent leurs propres idées sur ce qui influence le contenu qu'ils voient. Cependant, ces méthodes peuvent sembler manipulatrices et ne fonctionnent pas toujours bien.

Le problème peut venir d'un manque d'opportunités de retour d'information claires entre les utilisateurs et les algorithmes, rendant difficile pour les utilisateurs d'exprimer leurs préférences.

#Enseigner aux algorithmes pour améliorer les fils

Pour améliorer le fonctionnement des réseaux sociaux pour les utilisateurs, on peut tirer parti de l'enseignement machine interactif. L'EMI fournit une façon pour les utilisateurs d'informer les algorithmes sur leurs préférences sans avoir besoin d'expertise technique.

Dans cette étude, on a réalisé des interviews avec des utilisateurs de quatre plateformes sociales différentes : Instagram, Mastodon, TikTok et Twitter. On a examiné comment les utilisateurs évaluent la valeur des publications et quels facteurs influencent leurs jugements.

#Méthodologie de recherche utilisateur

On a commencé par identifier les signaux clés que les utilisateurs prennent en compte quand ils évaluent le contenu dans leurs fils. Notre étude a impliqué 24 participants âgés de 18 à 65 ans. On les a recrutés à partir de plateformes de réseaux sociaux et de canaux universitaires.

On a demandé aux participants de partager des captures d'écran de publications sur les plateformes choisies et de discuter de leur processus de réflexion en évaluant ces publications. Ça a impliqué de parler de leur raisonnement pendant qu'ils interagissaient avec le contenu et ça a contribué à notre compréhension de leurs préférences.

#Insights des évaluations des utilisateurs

Les participants ont identifié divers facteurs qui influencent leurs évaluations :

1. Reconnaissance de l'auteur : Beaucoup de participants se souciaient de qui a publié le contenu. Connaître l'auteur ajoutait un élément personnel à l'évaluation.

2. Pertinence du contenu : Les publications qui correspondaient à des intérêts personnels ou aux tendances actuelles étaient jugées plus précieuses.

3. Résonance Émotionnelle : Certaines publications étaient plus précieuses en fonction de la manière dont elles faisaient ressentir les participants. Par exemple, les publications inspirantes étaient souvent sauvegardées pour plus tard.

4. Curation des fils : Les participants ont exprimé un désir de gérer ce qu'ils voient. Beaucoup voulaient prioriser le contenu des personnes qu'ils connaissent plutôt que juste des sujets tendance.

5. Engagement approfondi : Les participants ont noté qu'ils s'engageaient souvent avec les fils de différentes manières, comme naviguer pour se divertir ou chercher des informations spécifiques.

#Principes de conception pour des fils enseignables

Sur la base de nos trouvailles, on a établi cinq principes pour concevoir des fils d'actualités qui permettent aux utilisateurs de s'exprimer :

#1. Situé le langage d'enseignement dans le fil

Incorporer des fonctionnalités d'enseignement directement dans le fil rendra ça plus accessible pour les utilisateurs. Ils ne devraient pas avoir à naviguer loin de leur contenu pour enseigner à l'algorithme.

#2. Être disponible, mais pas intrusif

Les fonctionnalités d'enseignement ne devraient pas interférer avec la navigation tranquille des utilisateurs. Elles devraient être facilement accessibles mais faciles à ignorer quand les utilisateurs veulent se détendre.

#3. Adopter une multiplicité de fils

Permettre aux utilisateurs de créer différents fils pour divers intérêts ou groupes peut améliorer leur expérience. Les utilisateurs devraient pouvoir mieux catégoriser et organiser le contenu.

#4. Chercher des retours structurés et non structurés

Pour capturer les nuances des évaluations des utilisateurs, l'interface doit accepter à la fois des retours simples (aimer/détester) et des commentaires plus détaillés et non structurés (comme des commentaires en langage naturel).

#5. Permettre l'enseignement et l'évaluation à différents moments

Les utilisateurs devraient pouvoir donner leur avis à différents moments. Cela signifie qu'ils peuvent enseigner à l'algorithme à travers des interactions rapides ou des réflexions plus réfléchies au fil du temps.

#Designs de fils proposés

Pour illustrer ces principes, on propose trois designs qui peuvent être testés et affinés :

#Vues UI éclatées

Dans ce design, un utilisateur peut interagir avec les composants d'une publication de manière plus réfléchie. Quand un utilisateur réagit à une publication (par exemple, en l'aimant), l'interface peut "exploser" pour montrer des détails comme l'auteur, le texte et d'autres caractéristiques. Ça permet aux utilisateurs de spécifier ce qu'ils ont aimé ou pas dans chaque partie de la publication.

#Organisation et semence du curriculum multi-fils

Les utilisateurs peuvent créer des dossiers en fonction de leurs préférences, qui peuvent servir de semences pour de nouveaux fils. Quand un utilisateur exprime une préférence concernant une publication, elle peut être classée dans des dossiers qui influenceront le genre de contenu qui apparaîtra dans ses fils par la suite.

#Fils finiment définis avec retour d'information en langage naturel

Ce design introduit des piles de contenu. Quand un utilisateur atteint la fin d'une pile, il peut donner un retour sur ce qu'il vient de voir en langage naturel. Ça encourage les utilisateurs à réfléchir à leurs préférences après avoir consommé du contenu.

#Considérations éthiques

Bien que notre objectif soit d'améliorer l'autonomie des utilisateurs, on doit aussi être prudents par rapport aux risques associés à la personnalisation. En introduisant des préférences plus granulaires, des problèmes de confidentialité et de confiance peuvent surgir. Les utilisateurs pourraient se sentir mal à l'aise par rapport à l'utilisation de leurs données ou à ce qui est déduit à leur sujet.

Il est essentiel d'assurer la transparence sur le fonctionnement des algorithmes. En permettant aux utilisateurs d'enseigner aux algorithmes leurs préférences, on peut potentiellement réduire le besoin pour les algorithmes de deviner les intérêts des utilisateurs.

De plus, les plateformes peuvent bénéficier d'un cycle de retours d'information piloté par les utilisateurs qui peut les aider à éviter des pratiques trompeuses. Ça pourrait mener à de meilleurs systèmes de modération de contenu, assurant que les utilisateurs rencontrent des perspectives diverses au lieu de se retrouver piégés dans des chambres d'écho.

#Limitations et travaux futurs

Les designs proposés ici sont des concepts préliminaires qui nécessitent des tests utilisateurs pour être affinés. On a mené notre étude sur différentes plateformes, mais plus de recherches sont nécessaires pour voir comment ces idées fonctionnent en pratique.

On voit aussi un potentiel pour cette approche au-delà des réseaux sociaux. D'autres applications, comme les agrégateurs de nouvelles, pourraient bénéficier de designs similaires. Une exploration plus poussée peut clarifier comment mettre ces idées en œuvre efficacement.

Enfin, des expériences EMI collaboratives peuvent aider les utilisateurs à se soutenir mutuellement dans l'enseignement aux algorithmes, créant une communauté autour d'intérêts partagés. Des recherches futures peuvent explorer comment cet aspect collaboratif améliore le processus d'enseignement.

#Conclusion

Les fils d'actualités sur les réseaux sociaux jouent un rôle important dans la façon dont nos vies en ligne se façonnent. En permettant aux utilisateurs d'enseigner aux algorithmes leurs préférences, on peut créer des expériences plus personnalisées et satisfaisantes. Nos designs proposés visent à donner aux utilisateurs les moyens de contrôler leurs fils tout en abordant les potentielles implications éthiques.

En fusionnant les insights des utilisateurs avec une conception réfléchie, on espère ouvrir la voie à de meilleures expériences sur les réseaux sociaux qui respectent les besoins et préférences individuels. Les utilisateurs peuvent reprendre le contrôle de leur environnement numérique, reflétant leurs goûts et valeurs uniques.