Arama Motorlarında Öneri Algoritması ve Filtre Balonu Etkisi: ‘Google Haberler’ Sekmesi Örneği

Year 2022, Issue: 10, 208 - 234, 21.10.2022

Onur Coşkun

https://doi.org/10.32739/etkilesim.2022.5.10.176

Abstract

Bu araştırma, Türkiye’nin farklı coğrafi bölgelerinde yaşayan kullanıcıların Google Haberler sekmesinde tavsiye algoritması ve filtre balonu etkisine maruz kalıp kalmadıklarını ve Google Haberler sekmesinde kişiselleştirmenin etkisini ortaya koymayı amaçlamaktadır. Çalışmada Google’da aynı gün, aynı zaman dilimi içinde, aynı anahtar kelimeleri arayan farklı coğrafi bölgelerdeki kullanıcıların Google Haberler sekmesindeki sorgu sonuç sayfaları karşılaştırılmıştır. Bu yolla haber akışındaki farklılıkların ve benzerliklerin tespit edilmesi hedeflenmiştir. Araştırmanın amacından hareketle ilk olarak ilgili literatürde sıkça karşılaşılan kişiselleştirme, tavsiye algoritması ve filtre balonu kavramları açıklanmıştır. Daha sonra Google arama sonuçlarına yönelik geçmiş araştırmalar incelenmiştir. Bir sonraki adımda ise Türkiye’nin yedi coğrafi bölgesinden 21 katılımcıyla Google Haberler sekmesi özelinde mobil arama sonuçlarına yönelik bir araştırma yapılmıştır. Araştırmada ilk olarak bu kullanıcıların temel demografik bilgileri toplanmıştır. Araştırmanın ikinci aşamasında katılımcılardan normal pencerede üç anahtar kelimeyi aynı gün ve aynı zaman diliminde Google’da aramaları istenmiştir. Katılımcıların aramaları sonucu oluşan veri seti incelenmiş, içerik analizine tabi tutulmuş ve farklı demografik profillere sahip katılımcıların farklı coğrafi bölgelerden arama yapmalarının Google Haberler sekmesi sorgu sonuç sayfalarındaki akışa anlamlı şekilde etki etmediği saptanmıştır. Filtre balonu ve haber akışlarının kişiselleştirilmesinin iletişim literatüründe güncel konular olduğu göz önünde bulundurulduğunda çalışmanın alana katkı sağlayacağı öngörülmektedir. Ayrıca çalışmanın tartışma kısmında Google Haberler sekmesinde kişiselleştirme etkinliğinin sınırlandırılmasının nedenleri sorgulanmakta ve çalışma sırasında ulaşılan ana sayfa sorgu sonuç sayfalarıyla haberler sekmesi sorgu sonuç sayfaları arasında bir karşılaştırma yapılmaktadır. Buna ek olarak literatür taraması esnasında kişiselleştirme ve özelleştirme kavramlarının karıştırıldığı çalışmalar olduğu tespit edilmiş ve bu nedenle her iki kavram da tanımlanmış ve farkları açıklanmıştır.

Keywords

filtre balonu, Google, tavsiye algoritması, haberler, kişiselleştirme, akış

Thanks

Çalışmanın araştırma ve üretim aşamalarındaki değerli yönlendirmeleriyle desteklerini hiçbir zaman esirgemeyen değerli hocam Doç. Dr. Betül ÖNAY DOĞAN'a teşekkür ederim.

Recommendation Algorithm and Filter Bubble Effect in Search Engines: A Study on ‘Google News’ Tab

Abstract

References

• Chen, C., Meng, X., Xu, Z., & Lukasiewicz, T. (2017). Location-aware personalized news recommendation with deep semantic analysis. IEEE Access, 5, 1624-1638. doi:10.1109/access.2017.2655150.
• Cisek, S., & Krakowska, M. (2018). The filter bubble: a perspective for information behaviour research. In ISIC 2018 Conference. https://www.researchgate.net/publication/328199698_The_filter_bubble_a_perspective_for_information_behaviour_research. 5 Haziran 2022.
• Clark, B. (26 Ağustos 2021). Personalize vs customize: How are they different?. https://acquire.io/blog/personalization-vs-customization/. 2 Haziran 2022.
• DuckDuckGo. (4 Aralık 2018). Measuring the ‘filter bubble’: How Google is influencing what you click. https://spreadprivacy.com/google-filter-bubble-study. 5 Haziran 2022.
• D’onfro, J. (17 Eylül 2018). We sat in on an internal Google meeting where they talked about changing the search algorithm — here’s what we learned. https://www.cnbc.com/2018/09/17/google-tests-changes-to-its-search-algorithm-how-search-works.html. 24 Mayıs 2022.
• Gearig, C. Adar, E. ve Hullman, J. (2015). Designing for personalized article content. Computation + Journalism (C+J), 1-5. http://cj2015.brown.columbia.edu/papers/personalized-content.pdf. 2 Haziran 2022.
• Hannak, A., Sapiezynski, P., Molavi Kakhki, A., Krishnamurthy, B., Lazer, D., Mislove, A., & Wilson, C. (2013). Measuring personalization of web search. In Proceedings of the 22nd international conference on World Wide Web, 527-538. doi:10.1145/2488388.2488435.
• Herlocker, J. L., Konstan, J. A., Terveen, L. G., & Riedl, J. T. (2004). Evaluating collaborative filtering recommender systems. ACM Transactions on Information Systems (TOIS), 22(1), 5-53. doi:10.1145/963770.963772.
• Hines, M. (29 Mart 2004). Google takes searching personally. https://www.cnet.com/tech/services-and-software/google-takes-searching-personally/. 24 Mayıs 2022.
• Isinkaye, F. O., Folajimi, Y. O., & Ojokoh, B. A. (2015). Recommendation systems: Principles, methods and evaluation. Egyptian informatics journal, 16(3), 261-273. doi:10.1016/j.eij.2015.06.005.
• Kemp, S. (27 Ocak 2021). Digital 2021: The latest insights into the state of digital. https://wearesocial.com/uk/blog/2021/01/digital-2021-the-latest-insights-into-the-state-of-digital/. 10 Nisan 2022.
• Kim, W., Kerschberg, L., & Scime, A. (2002). Learning for automatic personalization in a semantic taxonomy-based meta-search agent. Electronic Commerce Research and Applications, 1(2), 150-173. doi:10.1016/j.intmar.2009.02.001.
• Kliman-Silver, C., Hannak, A., Lazer, D., Wilson, C., & Mislove, A. (2015). Location, location, location: The impact of geolocation on web search personalization. IMC'15: Proceedings of the 2015 Internet Measurement Conference, AMC, New York, 121-127. doi:10.1145/2815675.2815714.
• Konstan, J. A., & Riedl, J. (2012). Recommender systems: from algorithms to user experience. User modeling and user-adapted interaction, 22(1), 101-123. doi:10.1007/s11257-011-9112-x.
• Lawrence, T. (16 Kasım 2011). Evening internet rush-hour affects broadband users. https://www.independent.co.uk/tech/evening-internet-rushhour-affects-broadband-users-6262838.html. 2 Haziran 2022.
• Le, H., Maragh, R., Ekdale, B., High, A., Havens, T., & Shafiq, Z. (2019). Measuring political personalization of Google news search. In The World Wide Web Conference, 2957-2963. doi:10.1145/3308558.3313682.
• Montgomery, A. L., & Smith, M. D. (2009). Prospects for personalization on the internet. Journal of Interactive Marketing, 23(2), 130-137. doi:10.1016/j.intmar.2009.02.001.
• Narin, B. (2018). Kişiselleştirilmiş çevrimiçi haber akışının yankı odası etkisi, filtre balonu ve siberbalkanizasyon kavramları çerçevesinde incelenmesi. Selçuk İletişim, 11(2), 232-251, https://dergipark.org.tr/en/download/article-file/504829. 24 Mayıs 2022.
• Nguyen, T. T., Hui, P. M., Harper, F. M., Terveen, L., & Konstan, J. A. (2014). Exploring the filter bubble: the effect of using recommender systems on content diversity. In Proceedings of the 23rd international conference on World Wide Web, 677-686. doi:10.1145/2566486.2568012.
• Pariser, E. (2011). The filter bubble: What the Internet is hiding from you. New York: Penguin.
• Pathak, B., Garfinkel, R., Gopal, R. D., Venkatesan, R., & Yin, F. (2010). Empirical analysis of the impact of recommender systems on sales. Journal of Management Information Systems, 27(2), 159-188. doi:10.2753/MIS0742-1222270205.
• Singhal, A. (23 Kasım 2011). Some thoughts on personalization. https://search.googleblog.com/2011/11/some-thoughts-on-personalization.html. 20 Mayıs 2022.
• Thurman, N. & Schifferes, S. (2012). The future of personalisation at news websites: Lessons from a longitudinal study. Journalism Studies, 13(5-6). doi: 10.1080/1461670X.2012.664341.
• Uluk, M. (2020). Kişiselleştirilmiş arama sonuçları ve filtre balonlarını Google üzerinden okumak. Yeni Medya Çalışmaları IV. Ulusal Kongre, Kongre Kitabı, https://www.academia.edu/45023906/Kişiselleştirilmiş_Arama_Sonuçları_ve_Filtre_Balonlarını_Google_Üzerinden_Okumak. 17 Mayıs 2022.
• Zuboff, S. (2019). Gözetleme kapitalizmi çağı (T. Uzunçelebi, çev.). İstanbul: Okuyan Us Yayınevi.