Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Sistemas de recomendación, estigmergia y la tiranía de la popularidad

Created by
  • Haebom

Autor

Zackary Okun Dunivin, Paul E. Smaldino

Describir

Este artículo argumenta que los sistemas de recomendación científica, como Google Scholar y Web of Science, han generado un fenómeno de "los ricos se enriquecen, los pobres se empobrecen", en el que un pequeño número de artículos populares se ve sobreexpuesto debido a algoritmos basados ​​en la popularidad. Esto promueve la homogeneidad intelectual y exacerba las desigualdades estructurales, suprimiendo así perspectivas innovadoras y diversas, esenciales para el progreso científico. Por lo tanto, proponemos mejorar las plataformas de búsqueda para permitir el ajuste manual de factores como la popularidad, la actualidad y la relevancia mediante ajustes personalizados, y que las incrustaciones de texto y los LLM se implementen de forma que aumente la autonomía del usuario. Estas sugerencias son especialmente importantes para la armonización del valor científico y los sistemas de recomendación, pero también pueden aplicarse ampliamente a los sistemas generales de acceso a la información.

Takeaways, Limitations

Takeaways:
Señala el problema del sesgo algorítmico en los sistemas de recomendación científica y plantea preocupaciones sobre la uniformidad intelectual y la profundización de la desigualdad estructural.
La equidad del acceso a la información se puede mejorar sugiriendo una forma de aumentar la autonomía del usuario a través de funciones de corrección personalizadas.
Sugerimos formas de mejorar los sistemas de recomendación mediante el uso de incrustaciones de texto y LLM.
Proporciona __T36259_____ aplicable no sólo a campos científicos sino también a sistemas generales de acceso a información.
Limitations:
No hay debate sobre la implementación específica y las dificultades técnicas de la función de corrección adaptada al usuario propuesta.
No se tiene en cuenta la posibilidad de que las funciones de corrección que se basan en los juicios subjetivos de los usuarios puedan introducir nuevos sesgos.
Falta investigación empírica sobre la efectividad y eficacia de las medidas propuestas.
👍