Algoritmiset kuplat sosiaalisen median alustoilla : suunnittelun keinot kuplautumisen ehkäisemisessä

Abstract

Useat sosiaalisen median alustat hyödyntävät erilaisia suosittelualgoritmeja pyrkiessään tarjoamaan käyttäjilleen mahdollisimman kiinnostavia sisältöjä. Vaikka tällä pyritään sitouttamaan käyttäjiä alustaan, algoritmien kasvava merkitys tiedonsaannissa tekee käyttäjistä helposti passiivisia tiedon vastaanottajia. Kun sisältösuositukset pohjautuvat vahvasti käyttäjän aiempaan toimintaan alustalla, hän jää herkästi niin sanottuun algoritmiseen kuplaan: hänen digitaalinen näkymänsä kapenee, ja hän jää eristetyksi omista näkemyksistään eroavista mielipiteistä. Käyttäjien näkemää sisältöä voidaan kuitenkin ohjailla erilaisilla käyttäjäkokemus- ja käyttöliittymäsuunnittelussa tehtävillä valinnoilla, mikä tekee suunnitteluratkaisusta keskeisen osan algoritmisen kuplautumisen ilmiötä.

Tämän tutkielman tarkoituksena on tutkia sitä, kuinka sosiaalisen median alustojen nykyiset käyttöliittymäratkaisut ylläpitävät tai ehkäisevät algoritmista kuplautumista, millaisia ratkaisuja kuplautumisen ehkäisemiseksi on ehdotettu, ja millaisia suuntaviivoja voidaan muodostaa kuplia ehkäisevälle suunnittelulle. Tutkielmassa analysoidaan TikTokin, YouTuben, X:n ja Mastodonin suunnitteluvalintoja sekä tarkastellaan sitä, miten tehokkaita olemassa olevat kuplautumista ehkäisevät ratkaisukeinot ovat. Alustoja ja ratkaisuja arvioidaan aiempaan tutkimukseen ja kirjallisuuteen pohjautuvalla arviointikehikolla, joka koostuu yleisesti tunnetuista suunnitteluperiaatteista sekä erityisesti kuplien puhkaisemisessa keskeisistä tekijöistä. Analyysin pohjalta tutkielman tavoitteena on hahmotella suuntaviivoja, joita kuplautumisen ehkäisemiseen tähtäävässä suunnittelussa voidaan tulevaisuudessa hyödyntää.

Arviointikehikkoon nostetaan aiempaan tutkimukseen ja kirjallisuuteen pohjautuen kahdeksan kriteeriä: algoritmin läpinäkyvyys, sisällön monipuolisuus, valinnanvapaus ja vaikuttamismahdollisuudet, mukautuva ajoitus ja kontekstitietoisuus, estetiikka ja minimalismi, palautteen anto, johdonmukaisuus ja visuaalinen esittäminen. Tarkasteltavien alustojen analyysi paljastaa puutteita etenkin läpinäkyvyydessä, monipuolisissa sisältösuosituksissa ja niiden mukautuvassa ajoituksessa sekä visuaalisissa esittämistavoissa. Monet ratkaisukeinot pyrkivät kuitenkin vastaamaan näihin läpinäkyvyyden, sisällön monipuolisuuden ja visuaalisen esittämisen haasteisiin. Sen sijaan mukautuvaa ajoitusta ja kontekstitietoisuutta ei juuri huomioida myöskään ratkaisuehdotuksissa.

Suunnittelussa olisikin erityisen tärkeää myös jatkossa vastata alustojen keskeisiin haasteisiin jatkamalla suosittelulogiikan selkeyttämistä ja monipuolisuuden arvon selittämistä käyttäjälle suoraan sisältösuositusten yhteydessä läpinäkyvyyden kasvattamiseksi ja hyödyntämällä visuaalisia keinoja eri näkökulmien esittämisessä. Tämän lisäksi monipuolisista sisältösuosituksista olisi tehtävä tilannesidonnaisia. Lisäksi suunnittelijoiden olisi hyvä pohtia, voisiko vähemmälle huomiolle jääneiden kriteereiden – estetiikan ja minimalismin sekä palautteen annon – paremmalla huomioimisella löytää uusia keinoja lieventää kuplautumisen ilmiötä. Palautteella voitaisiin esimerkiksi tukea käyttäjän tietoisuutta omasta toiminnasta, jotta sisällönkulutuksesta tulisi tietoisempaa. Ratkaisukeinojen intuitiivisella integroimisella osaksi muuta alustaa voidaan puolestaan varmistaa alustan yhtenäinen ja selkeä rakenne, jotta käyttäjäkokemus säilyy miellyttävänä. Kuplautumisen ehkäiseminen vaatii kuitenkin teknisten ratkaisujen ohella käyttäjien kiinnostusta tutustua monipuolisesti erilaisiin sisältöihin. Lisäksi on hyvä pohtia, kuinka täydellisesti arviointikehikon kriteereitä vastaavia ratkaisuja on mahdollista suunnitella ja integroida osaksi alustoja, joiden sitouttamistavoitteet voivat olla ristiriidassa kuplautumista ehkäisevien toimenpiteiden kanssa.

Several social media platforms utilise various recommendation algorithms to provide their users with the most interesting content. Although this is intended to engage users with the platform, the increasing importance of algorithms in information acquisition easily makes users passive recipients of information. When content recommendations are based heavily on the user’s previous activity on the platform, the user is vulnerable to being trapped in a so-called algorithmic bubble, where their digital horizons are narrowed, and they are isolated from opinions that differ from their own. However, the content that users see can be controlled by various user experience and user interface design decisions, which makes design a key part of the algorithmic bubble phenomenon.

The purpose of this thesis is to investigate how current user interface solutions of social media platforms maintain or prevent algorithmic bubbles, what solutions have been proposed to prevent bubbles, and what guidelines can be formed for bubble-preventing design. The thesis analyses the design decisions of TikTok, YouTube, X and Mastodon, and examines how effective existing solutions to prevent algorithmic bubbles are. The platforms and solutions are evaluated using an evaluation framework based on previous research and literature, which consists of generally known design principles and factors that are particularly important in bursting bubbles. Based on the evaluation, the aim of the study is to outline guidelines that can be utilised in future design aimed at preventing bubbles.

Based on previous research and literature, eight criteria are included in the evaluation framework: algorithm transparency, content diversity, freedom of choice and opportunity to influence, adaptive timing or context awareness, aesthetics and minimalism, feedback, consistency and visual presentation. The analysis of the platforms reveals shortcomings especially in transparency, diverse content recommendations and their adaptive timing, and visual presentation. However, many solutions aim to address these challenges of transparency, content diversity and visual presentation. Instead, adaptive timing or context awareness are hardly considered in the proposed solutions.

It would therefore be essential for design to continue to address the key challenges of the platforms, in other words to continue clarifying the recommendation logic and explaining the value of diversity to the user beside content recommendations to increase transparency, and to utilise visual means to present different perspectives. Moreover, diverse content recommendations should be made situational. Designers should also consider whether new ways to mitigate the phenomenon of bubbles could be found by paying more attention to less-considered criteria of aesthetics and minimalism, and feedback. Feedback could, for example, support the user’s awareness of their own actions, so that content consumption becomes more conscious. Intuitive integration of solutions into the platforms can ensure a consistent and clear structure of the platform, so that the user experience remains pleasant. Preventing bubbles requires, in addition to technical solutions, however, users to be interested in exploring a variety of different contents. It is also worth considering how realistic it is to design solutions that perfectly meet the criteria of the evaluation framework, and whether they could be integrated into platforms whose pursuit of high engagement rates may conflict with measures to prevent bubbles.