Recommender Simulation
[English below]
Viele Onlineplattformen – z.B. Videoportale, Verkaufsportale, soziale Netzwerke – verwenden Empfehlungsalgorithmen, um ihren Nutzer∙innen möglichst passgenau Produkte – z.B. Videos, Kaufartikel oder Nachrichten – zu empfehlen. Solche Empfehlungen basieren auf verschiedenen Prinzipien. So kann beispielsweise das empfohlen werden, was auch vielen anderen Nutzer∙innen mit ähnlichen Interessen gefällt oder das, was den bisherigen Produkten des jeweiligen Nutzers bzw. der jeweiligen Nutzerin ähnlich ist. Es können aber auch solche Produkte empfohlen werden, für die ein Anbieter besonders hohe Werbepreise bezahlt.
Der Simulator „Plattformdynamiken“ simuliert das Empfehlungssystem eines Videoportals. Durch Veränderung verschiedener Parameter können die im Simulator implementierten Prinzipien erkundet werden. Dabei wird sowohl die Perspektive der Nutzenden mit ihren jeweiligen inhaltlichen Interessen berücksichtigt als auch die Perspektive der Plattformbetreiber, die u.a. finanzielle Interessen verfolgen.
Empfehlungsalgorithmen sind in der Regel black boxes, d.h. ihre genaue Funktion wird nicht offengelegt. So bleibt z.B. intransparent, inwieweit das Nutzer∙innenverhalten Einfluss auf die Empfehlung hat oder auf welchen Annahmen die Empfehlungsalgorithmen aufbauen – z.B. solchen, die auch zur Verstärkung von Vorurteilen führen können. Selbst durch eine Analyse des Nutzungsverhaltens oder der Nutzerdaten können diese Fragen nicht (vollständig) geklärt werden.
Die Auseinandersetzung mit dem Simulator ermöglicht die Entdeckung von Funktionen, die Anlass zur Diskussion und zum Vergleich mit bestehenden Plattformen bieten. Er enthält jedoch auch einige Unklarheiten und schwierig nachvollziehbare Aspekte, welche die Herausforderungen beim Verstehen von Empfehlungsalgorithmen verdeutlichen. Der Simulator dient insbesondere für die medienpädagogische Arbeit in schulischen und außerschulischen Kontexten und ist im Rahmen des Projekts DataSkop entstanden.
Zum Ausprobieren finden Sie hier eine kurze Anleitung.
Hinweis: Der Simulator ist nur auf Desktop-Rechnern oder Laptops lauffähig.
Many online platforms – e.g., video portals, e-commerce, social networks – use recommendation algorithms to recommend products – e.g., videos, articles for sale, or news – to their users as accurately as possible. Such recommendations are based on various principles. For example, what can be recommended is what many other users with similar interests also like or what is similar to the previous products of the respective user. However, products for which a provider pays particularly high advertising prices can also be recommended.
The simulator „Plattformdynamiken“ simulates the recommendation system of a video portal. By changing various parameters, the principles implemented in the simulator can be explored. The perspective of the users with their respective content interests is included as well as the perspective of the platform operators, who pursue financial interests, among other things.
Recommendation algorithms are usually black boxes, which means that their exact function is not disclosed. For example, it remains intransparent to what extent the users‘ behavior influences the recommendations or on which assumptions the recommendation algorithms are based – e.g., those that can also lead to the reinforcement of biases. Even an analysis of user behavior or user data cannot (fully) clarify these questions.
Using the simulator allows the discovery of features that give rise to discussion and comparison with existing platforms. However, it also contains some ambiguities and aspects that are difficult to understand and illustrate the challenges in comprehending recommendation algorithms. The simulator is particularly suitable for media education at school as well as for general media education. The „Plattformdynamiken“ application was created as part of the DataSkop project.
Here you will find brief instructions on how to use the simulator.
Note: The simulator can only be used on desktop computers or laptops.
März/March 2022