Resumen de Content recommendation, a challenge for television

Joëlle Farchy, Cécile Méadel, Arnaud Anciaux

• español

  En este artículo, utilizamos el concepto de recomendación con el fin de analizar los diferentes sistemas y dispositivos destinados a guiar al usuario en Internet hacia un contenido específico, en un contexto de superabundante y profusa oferta. Metodológicamente, para el análisis se distinguen cuatro tipos de recomendación: por una parte, las recomendaciones de carácter editorial y contributivas, basadas respectivamente en los juicios y opiniones de expertos y usuarios, y por otro lado, las realizadas mediante agregación y personalización. Estas últimas, basadas en el comportamiento en línea de los usuarios, son cada vez más relevantes. Con la recomendación algorítmica, las preferencias de los usuarios, presuntas, declaradas u observadas constituyen el fundamento de la recomendación predictiva en los dispositivos desarrollados por diferentes operadores de medios de comunicación tradicionales. Este paso representa el final de un proceso continuado de desintermediación e individualización. Sin embargo, a pesar de su eficacia, esta forma de recomendación plantea una serie de cuestiones. Más allá del riesgo de quedar confinado en la burbuja de los filtros, el mayor problema parece estar relacionado con el poder oligopólico que ejercen algunas empresas sobre el control de los datos del comportamiento del consumidor.

• English

  In this article, we use the term recommendation in order to analyze every apparatus aimed at guiding the Internet user toward a specific content, surrounded by an overabundant and profuse offer. For the purpose of the analysis, we distinguish four types of recommendation: on the one hand, editorial and contributive recommendation, based either on experts or users’ judgments and opinions, and on the other hand, aggregative and personalized. The latter appear to be more and more central, based on users’ online behaviour. With the algorithmic recommendation, alleged, declared or observed users’ preferences form the material of predictive recommendation in apparatuses developed by different operators of legacy media. This step is the almost final one in a process of delinearization and individualization. However, despite its efficiency, this form of recommendation raises a number of questions. More than the risk of confinement and filter bubble, the biggest problem seems to be related to the oligopolistic power of a few players, controlling consumer behaviour data.