Voltar
Artigo Acesso aberto Produção Nacional Revisado por pares
BIBTEX RIS

Algoritmos de recomendação

2024; Brazilian Society of Cinema and Audiovisual Studies; Volume: 12; Issue: 2 Linguagem: Português

10.22475/rebeca.v12n2.898

ISSN

2316-9230

Autores

Tiago Franklin Rodrigues Lucena, Eduarda Carretero Garcia, Mariana Maronezzi Brezovsky, Thiago Fanelli Ferraiol,

Tópico(s)

Impact of AI and Big Data on Business and Society

Resumo

As produções audiovisuais visualizadas por cada usuário na plataforma de streaming Netflix são baseadas, em parte, nos dados coletados, tratados e arquivados sobre como e o que foi consumido anteriormente por ele e por outros usuários. As sugestões de novos conteúdos são efetuadas por sistemas de recomendação e são operacionalizadas por um conjunto de algoritmos, que por muitas vezes são mantidos em segredo comercial. A Netflix, em seu site, propõe uma “uma descrição de alto nível” sobre o sistema de recomendação “em uma linguagem para leigos”. Este artigo analisa como esse texto explicita o funcionamento dessas ferramentas, articulando-o com autores que já fizeram parte do grupo de programadores da plataforma, outros críticos, e especialistas em algoritmos de recomendação. A análise demonstrou que, a partir da coleta de poucos dados do usuário, especialmente se comprado com o volume geralmente extraído de sites de redes sociais, é possível efetivar seu elaborado sistema de recomendação de forma personalizada. Os dados coletados se comportam como um “padrão de inclusão” e se constituem em matéria prima de um banco de dados que alimenta o sistema, criando um complexo perfil personalizado para cada indivíduo. Esse perfil é o que recomenda novos títulos no sistema de busca e orienta, principalmente, a posição do item nas fileiras na interface inicial. Por fim, a posição do título na interface e a fileira da qual faz parte influenciam significativamente na escolha da produção, o que tem consequências no contato com a diversidade de produtos audiovisuais, na manutenção da assinatura, e na experiência de consumo na plataforma.

Referência(s)