As pessoas exploram menos quando recebem recomendações de plataformas baseadas em voz, como Alexa da Amazon ou Siri da Apple, tornando mais provável que eles ouçam opções escolhidas por um algoritmo do que aquelas que eles realmente preferem.

Um estudo realizado por pesquisadores da Cornell, explorando as implicações mais amplas de como o conteúdo será descoberto à medida que os alto-falantes inteligentes se espalharem, descobriram que as pessoas que lêem as opções online consomem informações nove vezes mais rápido e exploram pelo menos três vezes mais do que aquelas que as ouviram listar.

"Descobrimos que este problema é bastante significativo, "disse Longqi Yang, estudante de doutorado em ciência da computação na Cornell Tech e primeiro autor do artigo, "Compreendendo as interações do usuário com recomendações de podcast entregues por voz, "que foi apresentado na Conferência ACM sobre Sistemas de Recomendação em outubro." Com esses dispositivos se tornando mais populares e mais pessoas os adotando, esse tipo de interface se torna muito importante, porque é um dos principais canais para as pessoas serem expostas às informações. "

Alto-falantes inteligentes e assistentes virtuais podem ser projetados de forma diferente para enfrentar este desafio, Yang disse. Os pesquisadores recomendaram que os alto-falantes inteligentes ofereçam opções bem classificadas que são diversas, personalizado e frequentemente alterado, para que os usuários tenham acesso a uma gama mais ampla de informações, mesmo que escolham entre os primeiros itens.

"Não queremos que as pessoas recebam um conjunto excessivamente restrito de conteúdo e opiniões ou que sejam expostas apenas ao que é mais popular, "Disse Yang." Isso pode ser aceitável ao recomendar sapatos, mas não ao recomendar informações e conteúdo cultural. "

De acordo com a pesquisa do consumidor, 16% dos americanos possuem um alto-falante inteligente - cerca de 40 milhões de pessoas - e 65% deles dizem que não voltariam à vida sem um.

Neste experimento, os pesquisadores pediram a 100 pessoas que escolhessem um podcast que iriam se comprometer a ouvir por cinco minutos. Metade dos participantes viu a lista de títulos de podcast e metade deles ouviu a mesma lista falada em voz alta. Em seguida, foram feitas perguntas sobre se gostaram do podcast que escolheram.

Os pesquisadores descobriram que os ouvintes eram muito mais propensos a escolher uma das primeiras opções oferecidas, enquanto as pessoas que leram as opções exploraram seis vezes mais profundamente na lista de recomendações. As pessoas que lêem suas escolhas também folheiam e navegam mais.

Os algoritmos de recomendação geralmente priorizam o conteúdo popular, potencialmente criando um efeito de câmara de eco, Yang disse. No estudo, as pessoas que leram suas recomendações eram menos propensas a escolher as opções mais populares ou bem avaliadas.

Não houve diferença estatística em quanto as pessoas de ambos os grupos gostaram dos podcasts que escolheram.

"Um problema importante com esses tipos de sistemas de recomendação é que eles compartilham informações seletivamente com os usuários, portanto, a exposição de suas informações é determinada pelo que o sistema oferece explicitamente a você, "Yang disse." Na interface da web, você tem a capacidade de navegar, você pode rolar e deslizar. Você obtém uma exposição muito ampla e ampla a diferentes tipos de informações que estão por aí. Com voz, as pessoas realmente não têm paciência ou não vão esperar tantos itens para decidir o que querem consumir. "