Sistemas de recomendación en plataformas de streaming audiovisual: las lógicas de los algoritmos

Autores/as

DOI:

https://doi.org/10.22409/rmc.v17i2.57130

Palabras clave:

plataformas, sistemas de recomendación, algoritmos, machine learning, curaduría

Resumen

Una de las novedades que trajeron las plataformas de streaming audiovisual son los sistemas de recomendación, que les brindan a los usuarios sugerencias acerca de qué contenidos consumir a partir de la consideración de múltiples variables, entre ellas, la historia de los consumos de ese mismo usuario. Estas recomendaciones son realizadas generalmente por algoritmos de machine learning, y dan como resultado una suerte de curaduría automatizada de los contenidos, que determinan en buena medida los consumos cotidianos de producciones audiovisuales. Este trabajo busca caracterizar algunas de las lógicas que guían esos algoritmos desde una perspectiva semiótica. Hacia el cierre, se discute cuáles son, en estos sistemas que parecen tender siempre a proponer consumos similares a los ya realizados, los espacios para la novedad.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Mariano Zelcer, Universidad Nacional de las Artes (UNA)

Doutor em Comunicação, Professor Associado na Universidade Nacional das Artes (UNA), Argentina. Diretor de Meios e Métricas na agência Webar. 

Citas

CARLÓN, Mario. Después del fin. Una perspectiva no antropocéntrica sobre la post-tv, el post-cine y youtube. Buenos Aires: La Crujía, 2016.

CINGOLANI, Gastón. “Sistemas de recomendación, mediatizaciones de lo preferible y enunciación”, en Busso, Mariana Patricia y Camuso, Mariángeles (eds.) Mediatizaciones en tensión: el atravesamiento de lo público. Rosario: UNR Editora, 2017. Páginas 30 a 47.

CINGOLANI, Gastón. “Estrategias para el acceso: los sitios de recomendación como espacios de tensiones en la circulación y mediatización del reconocimiento”, en Paulo César Castro (org.) A circulação discursiva: entre produção e reconhecimento. Maceió: EDUFAL, 2017. Páginas 125-140. ISBN 978-85-5913-125-3.

FERNÁNDEZ, José Luis. Plataformas mediáticas. Elementos de análisis y diseño de nuevas experiencias. Buenos Aires: La Crujía, 2018.

FERNÁNDEZ, José Luis. Vidas mediáticas. Entre lo masivo y lo individual. Buenos Aires: La Crujía, 2022.

PEIRCE, Charles Sanders. La ciencia de la semiótica. Buenos Aires: Nueva Visión, 1986.

PEIRCE, Charles Sanders. Obra filosófica reunida. Tomo I (1867-1893). México D.F.: Fondo de Cultura Económica, 2012. Traducción de Darin McNabb.

PEIRCE, Charles Sanders. Obra filosófica reunida. Tomo II (1893-1913). México D.F.: Fondo de Cultura Económica, 2012. Traducción de Darin McNabb.

STEIMBERG, Oscar. Semiótica de los medios masivos. Atuel: Buenos Aires, 1993.

UMAN, Ignacio. El efecto Netflix: cómo los sistemas de recomendación transforman las prácticas de consumo cultural y la industria de contenidos. Cuadernos de Comunicólogos, año 6, número 6, 2018. Páginas 27 a 42. Disponible en https://bit.ly/3GVQIAK. Consulta: 29 mai. 2022.

VERÓN, Eliseo. La semiosis social. Fragmentos de una teoría de la discursividad. Barcelona: Gedisa, 1996. Edición original: 1987.

VERÓN, Eliseo El fin de la historia de un mueble. En: CARLÓN, Mario; SCOLARI, Carlos A. (editores). El fin de los medios masivos. Buenos Aires: La crujía, 2009. Páginas 229-248.

ZELCER, Mariano. Machine learning y lógicas semióticas: el caso de la publicidad digital. En: Revista La Trama de la Comunicación, volumen 26, número 2 (en prensa), 2022. ISSN: 2314-2634 (en línea y 1668-5628 (impresa). URL: https://bit.ly/3GsAIEQ. Consulta: 27 mai. 2022.

ZELCER, Mariano. Algoritmos de machine learning en plataformas de contenidos: una aproximación semiótica. En: Revista Chilena de Semiótica, número 17, 2022. ISSN 0717-3075. URL: https://bit.ly/3QA45K1. Consulta: 2 jul. 2022.

##submission.downloads##

Publicado

2023-05-19

Cómo citar

Zelcer, M. (2023). Sistemas de recomendación en plataformas de streaming audiovisual: las lógicas de los algoritmos. Mídia E Cotidiano, 17(2). https://doi.org/10.22409/rmc.v17i2.57130