VRT MYNWS 2.0: inzichten uit een pilootstudie rond nieuwspersonalisatie

VRT MYNWS app

Binnen het Europese innovatieproject CPN (Content Personalisation Network) is de laatste pilootstudie rond nieuwspersonalisatie afgerond. Hiermee spelen we in op de toenemende interesse naar recommenders om nieuwsartikels te selecteren en aan te bieden op maat van de mediagebruiker. Deze recommenders of algoritmes zijn in verschillende webtoepassingen terug te vinden, van YouTube tot Amazon, en spelen vaak in op commerciële doeleinden. Met de pilootstudie van VRT MYNWS, een nieuwe app, probeerden we op een transparante manier gepersonaliseerd nieuws aan te bieden en te onderzoeken hoe recommenders gebruikers beter kunnen informeren. 

De pilootstudie

VRT Innovatie deed eind februari via de VRT Pilootzone een oproep tot testpiloten voor VRT MYNWS, een nieuwe app die je nieuwsartikels aanbiedt gebaseerd op je interesses. 1500 personen schreven zich in om de app te testen, waarvan enkele honderden er daadwerkelijk mee aan de slag gingen gedurende enkele weken tot maanden. Een overzicht van onze resultaten kan je onderaan dit artikel terugvinden. 

Aan de hand van verschillende algoritmes personaliseert de VRT MYNWS-app nieuwsartikels. Hieronder lichten we de verschillende algoritmes toe:

  • Content-based: In de eerste plaats registreert de app welke artikels, beeld- of audiofragmenten gebruikers openen en maakt ze gebruik van artificiële intelligentie om soortgelijke verhalen te selecteren. Klikte je keer op keer op ‘binnenland’-artikels en politieke opiniestukken? Dan kan je suggesties van dezelfde categorie verwachten. Ook als je leesgedrag verandert past de software van VRT MYNWS jouw nieuwsaanbod mee aan. 

  • Collaborative: Volgens dit algoritme gaat de software gebruikers groeperen op basis van wat ze lezen, beluisteren en bekijken. Op deze manier krijg je een profiel toegewezen dat bepaalde gelijkenissen vertoont met anderen en zal je nieuwsartikels te zien krijgen die lezers met gelijkaardige interesses ook interessant vinden. 

  • Hybride: Hier combineert de recommender de resultaten van andere recommenders om zo de beste resultaten uit verschillende algoritmes te halen.

  • Geavanceerde monitoring: Dit algoritme personaliseert door monitoring op basis van leestijd en het gebruik van de app. Als je een artikel gedurende twee minuten leest en helemaal tot beneden scrollt, is dit artikel waarschijnlijk relevanter voor jou dan een artikel dat je meteen na het openen terug sluit. Daarnaast kan je gebruik van de app ook een rol spelen in welke artikels je aangeboden krijgt. Als je bijvoorbeeld de app minder vaak gebruikt zou je ook oudere, maar niet minder relevante, artikels te zien kunnen krijgen.

  • Ter bestrijding van de filterbubbel: Hier spelen we in op een veelbesproken gevolg van algoritmes: de zogenaamde ‘filterbubbel’. Deze houdt in dat gebruikers een vernauwde blik op de actualiteit kunnen krijgen doordat ze geïsoleerd raken in een informatiestroom van gelijkaardige verhalen. Tijdens deze studie hebben we intensief gewerkt aan de aanpassing van algoritmes om dit te voorkomen. 

Tijdens verschillende fases werden de testpiloten van de VRT MYNWS-app ingedeeld in groepen, die elk op hun beurt de app testten met verschillende algoritmes. Door het gedrag van de testpiloten te monitoren, onder andere na te gaan hoe lang ze lazen en scrollen, alsook door enkele bevragingen in te sturen, konden we achterhalen welke technieken werken en welke niet.

De resultaten

Enkele interessante vaststellingen uit deze data zijn:

  1. Een content-based recommender kan leiden tot langere leestijden en verder scrollen in het artikel.

  2. Een content-based recommender kan long-tail artikels opkrikken. Dat wil zeggen dat artikels die in het algemeen niet veel gelezen worden toch meer aandacht kunnen krijgen doordat het algoritme ze aanbiedt aan de juiste gebruikers. 

  3. Een hybride recommender kan het aanbod van artikels over diverse onderwerpen verhogen. Dit helpt om de filterbubbel te doorprikken.

  4. Geavanceerde monitoring op basis van leestijd en gebruik van de app hielp niet om testpiloten te stimuleren om meer artikels over diverse onderwerpen te lezen.

  5. Met content-based algoritmes kunnen we gebruikers stimuleren om ook meer diverse artikels te lezen. Dit moet wel met mate gebeuren, om de gebruiker niet te laten vervreemden.
     

De belangrijkste vaststellingen uit de vragenlijsten over de testpiloten in de verschillende groepen:

  1. Ze voelden zich niet beter of slechter geïnformeerd 

  2. Ze vreesden niet om nieuws te missen door de personalisatie ervan

  3. Ze hadden niet het gevoel dat ze zich in een filterbubbel waanden
     

Hierop werken we graag verder:

  1. We hebben geleerd dat sommige gebruikers meer controle willen over hun aanbod. Hier zouden we ervoor kunnen kiezen om gebruikers zelf hun interesses te laten ingeven.

  2. Het is belangrijk dat ‘Mijn nieuws’ een extra tab is in een nieuwsapplicatie en niet de enige. Zo kunnen gebruikers uiteraard nog steeds de normale tabs volgen, waaronder de hoofdpunten, die gecureerd worden door de nieuwsredactie zelf. 

  3. In deze studie lijkt dat de gevreesde filterbubbel minder een probleem is dan we dachten, aangezien testpiloten met gepersonaliseerd nieuws even onbewust waren van de filterbubbel als testpiloten zonder gepersonaliseerd nieuws. 

  4. We ontdekten dat gebruikers graag verrast worden en diverse artikels aangeboden krijgen, en dat dit hen ook meer tevreden stemde.

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Related projects