গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

ফিল্টার বুদবুদ এবং সুপারিশ অ্যালগরিদম কুইজ

ফিল্টার-বাবলের সংজ্ঞা, অভিজ্ঞতামূলক প্রমাণ, অধ্যয়নের ফলাফল, প্ল্যাটফর্ম এবং ব্যবহারকারীর প্রভাব এবং গবেষণার ফলাফলগুলিকে সাধারণীকরণের সীমা পরীক্ষা করে।

প্রশ্ন 1 এর 8

"ফিল্টার বুদ্বুদ" সাধারণত এই নির্দেশিকাতে কী বোঝায়?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. "ফিল্টার বুদ্বুদ" সাধারণত এই নির্দেশিকাতে কী বোঝায়?
    • একটি প্রযুক্তিগত পদ্ধতি যা সমস্ত ব্যক্তিগতকৃত সুপারিশগুলি সরিয়ে দেয়
    • কোনো ভিডিওর অপছন্দের একটি প্রতিশব্দ
    • একটি উদ্বেগ যে ব্যক্তিগতকরণ সময়ের সাথে সাথে একজন ব্যক্তির বিভিন্ন তথ্যের এক্সপোজারকে সংকুচিত করতে পারে
    • একটি গ্যারান্টি যে প্ল্যাটফর্ম প্রতিটি ব্যবহারকারীকে অভিন্ন বিষয়বস্তু দেখায়
  2. 2015 Facebook অধ্যয়ন কি তুলনা করেছে?
    • নেটওয়ার্কে ভাগ করা বিভিন্ন সংবাদ, ফিডগুলিতে উপস্থিত বিষয়বস্তু এবং ব্যবহারকারীরা কী ব্যবহার করতে বেছে নিয়েছে৷
    • শুধুমাত্র পোস্ট ব্যবহারকারীদের তৈরি করা সংখ্যা
    • শুধুমাত্র প্ল্যাটফর্ম সদস্যতা মূল্য পরিবর্তন
    • এলোমেলো নির্বাচনের আগে এবং পরে রাজনৈতিক বিশ্বাস
  3. একটি কাস্টম গবেষণা প্ল্যাটফর্মে YouTube-প্রাপ্ত সুপারিশগুলি ব্যবহার করে PNAS অধ্যয়ন কী খুঁজে পেয়েছে?
    • এটি প্রমাণ করে যে কোনও প্ল্যাটফর্ম ফিল্টার বুদবুদ তৈরি করতে পারে না
    • এটি বহু বছর ধরে প্রতিটি ব্যবহারকারীর জন্য প্রভাব স্থাপন করে
    • এটা দেখায় যে ব্যবহারকারীর পছন্দের কোন প্রভাব নেই
    • এটি তার পরীক্ষিত সুপারিশ শর্তের অধীনে সীমিত স্বল্পমেয়াদী মেরুকরণ প্রভাব খুঁজে পেয়েছে
  4. কেন "এক্সপোজার", "ক্লিক করা," এবং "বিশ্বাস পরিবর্তন" বিনিময়যোগ্য ব্যবস্থা নয়?
    • বিশ্বাস পরিবর্তন শুধুমাত্র র্যাঙ্কিং কোড থেকে অনুমান করা যেতে পারে
    • তারা বিভিন্ন পর্যায় এবং ফলাফল বর্ণনা করে যার জন্য আলাদা প্রমাণের প্রয়োজন হয়
    • একটি ক্লিক সর্বদা একটি বিশ্বাস পরিবর্তন প্রমাণ করে
    • এক্সপোজার প্রতিটি গবেষণায় ব্যস্ততার সাথে অভিন্ন
  5. কোন নকশা বিস্তারিত সুপারিশ প্রভাব সম্পর্কে উপসংহার প্রভাবিত করতে পারে?
    • শুধু সুপারিশ কার্ডের রঙ
    • অধ্যয়ন নোটের জন্য ব্যবহৃত ফাইল বিন্যাস
    • একাই র‌্যাঙ্কিং মডেলের নাম
    • সিস্টেমে উপলব্ধ বিষয়বস্তু এবং অধ্যয়নের সময় দিগন্ত
  6. কীভাবে একজন গবেষক ব্যবহারকারীর পছন্দ থেকে র‌্যাঙ্কিং প্রভাব আলাদা করতে পারেন?
    • সমস্ত উপলব্ধ আইটেম প্রদর্শিত হয়েছে অনুমান
    • এক্সপোজারের একমাত্র পরিমাপ হিসাবে দেখার সময় ব্যবহার করুন
    • কী যোগ্য ছিল, কী দেখানো হয়েছে এবং ব্যবহারকারীরা কী বেছে নিয়েছেন তা পরিমাপ করুন
    • শুধুমাত্র একটি ব্যবহারকারী পছন্দ আইটেম গণনা
  7. একটি সংক্ষিপ্ত এক্সপোজার অধ্যয়ন থেকে কি উপসংহার এড়ানো উচিত?
    • একটি নোট যে গবেষকরা বাস্তব YouTube ভিডিও ব্যবহার করেছেন এবং একটি কাস্টম প্ল্যাটফর্মে YouTube-প্রাপ্ত সুপারিশগুলিকে বিরক্ত করেছেন
    • একটি বিস্তৃত দাবি যে পরীক্ষাটি প্রতিটি প্ল্যাটফর্মে দীর্ঘমেয়াদী মনোভাবের পরিবর্তন প্রমাণ করে
    • পরিমাপ করা স্বল্প-মেয়াদী এক্সপোজার ফলাফল সম্পর্কে একটি বিবৃতি
    • প্ল্যাটফর্ম এবং পরীক্ষিত জনসংখ্যার একটি বিবরণ
  8. কোন সামগ্রিক উপসংহার এখানে বর্ণিত প্রমাণ মেলে?
    • ডিজাইন এবং প্রেক্ষাপটের উপর নির্ভর করে সুপারিশ সিস্টেমগুলি সংকীর্ণ বা প্রসারিত হতে পারে
    • ব্যক্তিগতকরণ সবসময় ব্যবহারকারীদের বিরোধী মতামত থেকে বিচ্ছিন্ন করে
    • ব্যবহারকারীরা যা দেখেন তা ব্যক্তিগতকরণ কখনই প্রভাবিত করে না
    • একটি একক সর্বজনীন প্রভাব সমস্ত প্ল্যাটফর্ম জুড়ে প্রযোজ্য