Sistemas de Recomendación en el Open-Source
Los sistemas de recomendación es un sistema implementado en un software que recomienda o predice el contenido que el usuario es propenso a ver para mantenerlo enganchado en el uso continuo de la plataforma. El uso más común de este tipo de algoritmos son en las plataformas de streaming como Netflix.
Logotipo de Netflix
Cuando terminamos de ver algún contenido en alguna de estas plataformas, una vez que inicien los créditos, ella nos arrojará algunas selecciones de títulos que, basado en nuestro historial de reproducciones, podrían ser de nuestro agrado. De esta forma, nuestro uso y consumo de contenido es imparable, esto es a lo que Nick Seaver, autor del texto “Captivating algorithms: Recommender systems as traps. Journal of Material Culture” llama una trampa.
Mientras que el autor lo llama de esa manera, en inglés ha adquirido un término propio, “Binge”. Incluso, en el idioma español utilizado en México, hemos adquirido el anglicismo como “bingear”. Aunque comúnmente, este término está relacionado con la borrachera, su uso es más popular para los maratones de series o películas que proponen las plataformas de streaming gracias a su sistema de recomendación.
Imagen del video “Why We LOVE Binge Watching And What It Does To Your BRAIN” por The Friendly Brain en YouTube.
Recientemente ha habido una alza en el uso de sistemas de recomendación gracias a estos nuevos medios. Debido a su popularidad, muchas alternativas “Open-Source” han salido de forma gratuita para su implemento en distintas aplicaciones, tal como lo es “Raccoon Recommendation Engine”.
¿Qué es lo que esto significa para los softwares, sitios web y, sobre todo, para nosotros?
Cuando un sistema se vuelve “Open-Source”, los programadores y diseñadores son capaces de estudiarlo. Es similar a cuando una persona abre a un animal para estudiar la forma en la que su cuerpo funciona. De la misma manera que esto genera avances en la medicina veterinaria respecto a cierto tipo de animales, el código abierto también abre las puertas a un avance tecnológico dentro del diseño digital y la programación. Los algoritmos son libres, para que todos los usen, implementen, aprenden de ellos y los conviertan en algo mejor.
Esto significa que, los sistemas de recomendación, empiezan a ser utilizados en plataformas y softwares que no se habían visto antes. Buscan enganchar a su usuario cada vez más en este medio digital, logrando que consuma continuamente en su propia plataforma, sin dejarlo escapar a otra. Lo atrapan de la misma forma que Seaver cita a Mason “Una trampa es una invención cuyo propósito es inducir a los animales a cometer encarcelación, auto arresto o suicidio”, atacando nuestra propia curiosidad por consumir contenido.
Seaver, N. (2019). Captivating algorithms: Recommender systems as traps. Journal of Material Culture, 24(4), 421–436.
Sarmah, H. (2019). 5 Open-Source Recommender Systems You Should Try For Your Next Project. Retrieved 1 May 2020, from https://analyticsindiamag.com/5-open-source-recommender-systems-you-should-try-for-your-next-project/