Het filteren van informatie is een erg belangrijke bezigheid in de postindustriële netwerksamenleving. Deze activiteit krijgt pas echt waarde als zij gecombineerd wordt met aggregeren en verbinden. Dat schrijft Tim Kastelle in Five Forms of Filtering. Volgens Kastelle zijn er twee categorieën van vormen van filteren, waaronder vijf vormen van filteren zijn onder te brengen.
Gebaseerd op oordeelsvorming
1. Naïef filteren
Zonder voorkennis proberen mensen op goed geluk informatie te filteren. Dit is een complex mentaal proces.
2. Expert filteren
Experts selecteren informatie op basis van hun expertise. Kastelle vraagt zich daarbij echter af wie in een genetwerkte wereld experts zijn.
3. Genetwerkt filteren
Daarbij is sprake van informatiebronnen die gegroepeerd zijn rond netwerken. Denk daarbij aan de kringen van Google +. Deze kringen of netwerken bestaan niet alleen uit experts, maar uit mensen met een gemeenschappelijke interesse of focus. Een ander voorbeeld is de mogelijkheid om berichten binnen een community of netwerk te waarderen, zodat gebruikers informatie kunnen filteren op basis van waarderingen van anderen.
Mechanische vormen
4. Algoritmisch filteren
Dat is bijvoorbeeld een technologie waar zoekmachines mee werken.
5. Heuristisch filteren
Kastelle omschrijft dit als volgt:
Heuristic filtering is based on a set of rules or routines that people can follow to help them sort through the information available to them.
Ik mis het gebruik van taaltechnologie in dit overzicht, waardoor zoekresultaten bijvoorbeeld rekening houden met de context waarbinnen je zoekt (bijvoorbeeld op basis van je profiel of jouw zoekhistorie).
Verder ben ik van mening dat wij nog steeds over onvoldoende technologieën beschikken die ons ondersteunen bij effectief filteren. Daar komt bij dat ons menselijk gedrag effectief filteren vaak ook nog belemmert.
Ter illustratie: Google + kan jou in principe helpen bij het filteren van informatie, doordat jij in staat bent om leden van je netwerk in een kring te plaatsen die over een bepaald onderwerp gaat. Ik heb bijvoorbeeld een kring 'e-learning' aangemaakt. Dit werkt echter alleen als leden van het netwerk ook kennis delen die gericht is op die focus. Mijn ervaring is dat veel bijdragen in mijn 'e-learning'-kring bij Google + niet over e-learning gaan.
Het kunnen filteren op basis van waarderingen van anderen heeft ook een beperking: het is relatief gemakkelijk manipuleerbaar. Ik maak bijvoorbeeld gebruik van Summify. Deze applicatie stuurt mij elke dag de meest populaire tweets die binnen mijn Twitter-netwerk zijn gepost. Sommige mensen in mijn netwerk hebben meerdere Twitter-accounts. Als zij hun eigen tweets gaan re-tweeten, dan komen deze bijdragen al snel bij de meest populaire berichten terecht. Slim uit het oogpunt van marketing, maar niet vanuit het perspectief van het filteren van informatie.
OpenU, het initiatief van de Open Universiteit waar ik projectleider van mag zijn, heeft de potentie om een vorm van genetwerkt filteren te faciliteren, waarbij experts een belangrijke rol spelen. Experts (en binnen specifieke communities ook belangstellenden) plaatsen daar berichten over hun vakgebied. Geregistreerde gebruikers kunnen binnenkort waarde toevoegen aan deze berichten door ze te bookmaken, beoordelen, annoteren, taggen en delen.
Via Harold Jarche
This content is published under the Attribution 3.0 Unported license.
Geef een reactie