Præsentation er lastning. Vent venligst

Præsentation er lastning. Vent venligst

Filterbobler Eli Pariser: Pas på online filterbobler (10 min) Filter bobler: internetfænomen, hvor brugere kun får og ser bestemte nyheder tilpasset deres.

Lignende præsentationer


Præsentationer af emnet: "Filterbobler Eli Pariser: Pas på online filterbobler (10 min) Filter bobler: internetfænomen, hvor brugere kun får og ser bestemte nyheder tilpasset deres."— Præsentationens transcript:

1 Filterbobler Eli Pariser: Pas på online filterbobler (10 min) Filter bobler: internetfænomen, hvor brugere kun får og ser bestemte nyheder tilpasset deres profil: eks i Facebook Feed, Google m.m. Brugere ender (let) i filter bobbel ved sporing og tilpasning af indhold til profil! Behov for mere intelligent redigering af feeds og søgeresultater.

2 Filterbobler: Google Page Rank
Page Rank - algoritme til at værdisætte sider: Sider med høj Page Rank bliver linket til på mange websider eller sider med høj Page Rank! I google bruges page rank sammen med søgeord, sprog, brugerprofil og flere parametre, men hvilke og hvordan de vægter er hemmeligt. Filterbobler ses ved høj grad af brugertilpasning Checkpagerank.net Se Google page rank (heltal 0-10), samt detaljeret rank (cPR) udregnet a’la Googles med flere vægte: Score ud fra antal besøg på sites, besøgstid m.m. >> Baclinks: antal + antal domæner Backlinks fra regerings- og uddannelsessider

3 Filterbobler: Google Page Rank
I højre side ses googling af ”hpv vaccine bivirkninger” og nederst deres page-ranks ifølge Checkkpagerank.net. Opgave - Lav samme søgning: Får du samme rækkefølge? Hvad skyldes en forskel? Tjek Page Rank: forklarer det rækkefølgen? Hvad vægter højest? Er der sider uforklarligt højt oppe? Hvilke hits skal flyttes op/ned/væk? Hvorfor?  Er der risiko for filterbobbel her? Hvordan? Er der behov for regulering? Hvordan? Af hvem?

4 Filterbobler: Facebook
1) Find din målgruppe: tag test i gallups kompas og find sammen 2) Find pointer i DR's artikel om Cambridge Analytica:  Hvordan er data indsamlet? Hvilke data? Hvad er problemet? Hvad er "smertepunkter" og hvorfor er de vigtige?   Hvem er skyldig og hvad skal ændres? 3) Brug Facebookdata til kampagner målrettet jer selv : Klik i Facebook på pil øverst til højre og gå ind i Indstillinger Klik på Annoncer nederst til venstre og tjek Dine interesser. Hvad ved Facebook? Hvorfra? Kan det placere jer i rigtigt segment? Hvilke fælles interesser og mulige smertepunkter er der? Lav 2 argumenter ud fra FB-data: ét der får jer til at stemme og ét der kan få jer til at undlade at stemme. 4) Fake News og Filter Bobler Er det lettest at få folk til at stemme eller undlade at stemme? Er filter bobler og Fake News en reel trussel for demokratiet? Hvad kan man gøre for at undgå Fake News og Filter Bobler?


Download ppt "Filterbobler Eli Pariser: Pas på online filterbobler (10 min) Filter bobler: internetfænomen, hvor brugere kun får og ser bestemte nyheder tilpasset deres."

Lignende præsentationer


Annoncer fra Google