Technologie de recommandation algorithmique ou curation humaine ? Une étude d’un média en ligne suggère les deux

Les systèmes de recommandation sont des applications d’apprentissage automatique sur des plateformes en ligne qui automatisent les tâches historiquement effectuées par les utilisateurs. Dans le secteur de l’information, les algorithmes de recommandation peuvent assumer les tâches des éditeurs qui sélectionnent les actualités que les gens voient en ligne, dans le but d’augmenter le nombre de clics des utilisateurs, mais peu d’études ont examiné la comparaison entre les deux.

Une nouvelle étude a examiné comment les utilisateurs d’un média d’information en ligne en Allemagne réagissaient aux recommandations automatisées par rapport aux choix effectués par des rédacteurs humains. En moyenne, l’algorithme a surpassé la personne, mais celle-ci a obtenu de meilleurs résultats dans certaines conditions. Les auteurs de l’étude suggèrent qu’une combinaison de curation humaine et de technologie de recommandation automatisée pourrait être la meilleure solution.

L’étude a été menée par des chercheurs de l’Université Carnegie Mellon (CMU), de l’Université de Lausanne et de la Ludwig-Maximilians-Universität (LMU) München. Il est publié dans Science du management.

“Notre travail met en évidence une tension critique entre les informations détaillées mais potentiellement étroites disponibles pour les algorithmes et les informations larges mais souvent non évolutives disponibles pour les humains”, explique Ananya Sen, professeur adjoint de systèmes d’information et d’économie au Heinz College de la CMU, co-auteur de l’étude. “Les recommandations algorithmiques se personnalisent à grande échelle en utilisant des informations qui ont tendance à être détaillées mais qui sont souvent limitées dans le temps et spécifiques au contexte, tandis que les experts humains fondent leurs recommandations sur de vastes connaissances accumulées au cours d’une carrière professionnelle mais ne peuvent pas formuler de recommandations individuelles à grande échelle.”

Pour quantifier la manière dont les entreprises devraient utiliser la technologie de recommandation algorithmique par rapport à la curation humaine, les chercheurs ont étudié les réactions des utilisateurs aux recommandations automatisées par rapport à la façon dont ils réagissaient aux recommandations humaines sur un important média d’information en ligne en Allemagne de décembre 2017 à mai 2018. Le média est une publicité. -éditeur pris en charge avec plus de 20 millions de visiteurs mensuels et près de 120 millions d’impressions de pages mensuelles.

En moyenne, les recommandations algorithmiques ont surpassé celles élaborées par des éditeurs humains en ce qui concerne les clics des utilisateurs. Mais ce résultat dépendait de l’expérience des éditeurs humains (les éditeurs plus expérimentés faisaient mieux que les éditeurs moins expérimentés), de la quantité de données personnelles disponibles pour l’algorithme (l’algorithme nécessitait un volume suffisant pour fonctionner correctement) et de la variation de l’environnement externe qui a provoqué une variation de la demande d’articles (les humains ont obtenu de meilleurs résultats les jours où les informations étaient plus intéressantes).

Les résultats suggèrent que le recours à la conservation humaine peut atténuer les inconvénients des recommandations algorithmiques personnalisées, affirment les auteurs. Ils suggèrent également que les plateformes devraient s’en remettre à l’expertise humaine en l’absence de données personnelles spécifiques aux utilisateurs. La combinaison optimale de la curation humaine et de la technologie de recommandation automatisée peut entraîner une augmentation allant jusqu’à 13 % des clics.

“Sur la base de notre expérience, nous suggérons aux managers d’exploiter ensemble les humains et les recommandations automatiques plutôt que de considérer la curation comme une question opposant les experts humains aux algorithmes”, déclare Christian Peukert, professeur de stratégie, mondialisation et société à la faculté d’affaires de l’Université de Lausanne. école, qui a co-écrit l’étude.

Parmi les limites de l’étude, les auteurs affirment que leur expérience a testé uniquement les performances d’un algorithme par rapport aux éditeurs humains, de sorte que leurs conclusions ne peuvent s’appliquer qu’aux médias d’information soutenus par des publicités.