Tag: #Netflix
Meer controle en transparantie over streamingdienst-aanbevelingen: zit de gebruiker er wel op te wachten?
In de vorige video van de missie ‘Help, Spotify begrijpt mij niet!’ lieten vier studenten van de Universiteit Utrecht prototypes van zelfgemaakte videostreamingplatforms zien. Zij hadden zich vooral op meer controle en transparantie voor de gebruiker gefocust, iets dat juist bij dit soort streamingdiensten, zoals Netflix, Amazon Prime, Videoland en Disney+, slecht in zeer beperkte mate aanwezig is. Maar zit een klant van bijvoorbeeld deze diensten wel op meer controle over aanbevelingen te wachten? In onderstaande video halen we enkele suggesties en voorstellen op bij jonge gebruikers.
De tekst loopt onder de video door
De meningen in de bovenstaande video zijn, zoals je ziet, erg verdeeld. Waar de één juist op meer controle en transparantie over aanbevelingen zit te wachten, stelt de ander weer geen gebruik te maken van zo’n optie, om aanbevelingen te personaliseren. Maar of je er nu wel of niet gebruik van gaat maken, de optie om je aanbevelingen beter aan te laten sluiten bij wat jijzelf belangrijk en interessant vindt, is er op een platform als Netflix nog niet. Laat bovenstaande behoeften, aangegeven door de jonge gebruikers, een aanknopingspunt en uitnodiging zijn om verder te kijken om in meer toegankelijkere opties te investeren. Of in ieder geval om erover na te denken en het gesprek erover te voeren. Wordt vervolgd? Wat ons betreft wel.
De producties voor deze missie worden ondersteund door redacteur Remi Terhorst
Bekijk hier de andere items van deze missie:
Hoe Spotify jouw muzieksmaak bepaalt
De werking van algoritmes van dating apps
Berekeningen van aanbevelingssystemen
In deze video leggen we je alles uit over de berekeningen achter recommender systems
In een vorig item hebben we gekeken naar de werking van recommender systems. Onderzoekster en mission chair Aletta Smits vertelde ons over de verschillende manieren waarop die systemen te werk gaan. Dit keer gaan we dieper in op de totstandkoming van dit soort aanbevelingen.
Bekijk hieronder de video, waarin onze mission chair Smits laat zien welke berekeningen ervoor zorgen dat jij bijvoorbeeld een film wel of niet aanbevolen krijgt, en waarom jij andere aanbevelingen ontvangt dan een vriend of vriendin van je.
De producties voor deze missie worden ondersteund door redacteur Remi Terhorst
Bekijk hier de andere items van deze missie:
Hoe Spotify jouw muzieksmaak bepaalt
De werking van algoritmes van dating apps
Berekeningen van aanbevelingssystemen
Op basis hiervan denkt Netflix te weten waar jij naar zoekt
We hebben allemaal wel eens te maken met aanbevelingen die aan ons gedaan worden door bepaalde aanbevelingssystemen. Bedoeld of onbedoeld. Denk bijvoorbeeld aan hoe bol.com jou een nieuw telefoonhoesje aanbeveelt als je zojuist een oplader hebt besteld. Of denk aan filmsuggesties op Netflix, die in een aanbevolen lijst voor jou worden verzameld. Hoe werken deze systemen precies?
Onderzoekster Aletta Smits vertelt over de verschillende manieren waarop recommender systems te werk gaan.
Meer weten over deze missie? Klik dan hier .
De producties voor deze missie worden ondersteund door redacteur Remi Terhorst
Bekijk hier de andere items van deze missie:
Hoe Spotify jouw muzieksmaak bepaalt
De werking van algoritmes van dating apps
Berekeningen van aanbevelingssystemen