Questo articolo riflette sul funzionamento del sistema di raccomandazione di Netflix. Più nello specifico, si domanda se i contenuti audiovisivi suggeriti dagli algoritmi della nota azienda americana ai suoi clienti, sulla base dello studio meccanizzato delle loro preferenze di visione, appaiano davvero interessanti e significativi. Per fornire una risposta, è stata condotta una indagine sociosemiotica, in parte sul campo e in parte a tavolino, incentrata su venti interviste ad alcuni utenti della stessa Netflix e sull’analisi di alcune serie televisive da loro viste, tra quelle segnalate dalla piattaforma di streaming. Lo studio ha evidenziato qualche problematica, legata al sistema di etichettatura di tali contenuti, un’attività che del resto viene condotta da esseri umani, i quali istruiscono le macchine. A questo proposito, vengono suggerite alcune soluzioni per rendere più efficaci i criteri di classificazione dei prodotti audiovisivi in generale, così da migliorare la performance degli algoritmi e i servizi di tutte quelle aziende o istituzioni che, come Netflix, si servono di sistemi di raccomandazione per interagire con noi.

"Raccomandazioni sociosemiotiche. Considerazioni sul significato dei suggerimenti di visione del sistema di raccomandazione di Netflix" / Santangelo, ANTONIO DANTE MARIA; Botta, Anita. - In: @ DIGITCULT. - ISSN 2531-5994. - ELETTRONICO. - 5:2(2021), pp. 53-64.

"Raccomandazioni sociosemiotiche. Considerazioni sul significato dei suggerimenti di visione del sistema di raccomandazione di Netflix"

Antonio Santangelo;Anita Botta
2021

Abstract

Questo articolo riflette sul funzionamento del sistema di raccomandazione di Netflix. Più nello specifico, si domanda se i contenuti audiovisivi suggeriti dagli algoritmi della nota azienda americana ai suoi clienti, sulla base dello studio meccanizzato delle loro preferenze di visione, appaiano davvero interessanti e significativi. Per fornire una risposta, è stata condotta una indagine sociosemiotica, in parte sul campo e in parte a tavolino, incentrata su venti interviste ad alcuni utenti della stessa Netflix e sull’analisi di alcune serie televisive da loro viste, tra quelle segnalate dalla piattaforma di streaming. Lo studio ha evidenziato qualche problematica, legata al sistema di etichettatura di tali contenuti, un’attività che del resto viene condotta da esseri umani, i quali istruiscono le macchine. A questo proposito, vengono suggerite alcune soluzioni per rendere più efficaci i criteri di classificazione dei prodotti audiovisivi in generale, così da migliorare la performance degli algoritmi e i servizi di tutte quelle aziende o istituzioni che, come Netflix, si servono di sistemi di raccomandazione per interagire con noi.
File in questo prodotto:
File Dimensione Formato  
170-1-912-1-10-20210502.pdf

accesso aperto

Descrizione: Articolo principale
Tipologia: 2a Post-print versione editoriale / Version of Record
Licenza: Creative commons
Dimensione 322.6 kB
Formato Adobe PDF
322.6 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

Caricamento pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11583/2923832