effectivnayaaa (@effectivnayaaa@mastodon.social)
тестим платформу. если в течении суток не будет взаимодействий по этому посту ухожу в #twitter
Show Original Post
kpopnsfw (@kpopnsfw@channels.im)
https://www.kpopnsfw.com/174756/251203-kpopstats07-twitter-update-twice-is-the-most-streamed-k-pop-artists-on-spotify-japan-in-2025/ 251203 Kpopstats07 twitter update : TWICE is the most streamed K-pop artists on Spotify Japan in 2025 #Artists #japan #kpop #Kpopstats07 #Spotify #streamed #Twice #Twitter #update
Show Original Post
Keldrim (@Keldrim@meow.social)
Content warning:Twitter
Yoinked of Bluesky since I did not see it here yet, for fucks sake get finally off #Twitter you are just helping the worst people and it's not helping you in any way.
Show Original Post
massa (@massa@fedibird.com)
ひゃくえむ。アクスタ販売狂喜乱舞なんだけどイワコロパンのアクスタあるの 
の
https://x.com/hyakuemu_anime/status/1996550058142290064?s=46&t=vN3oTBWJp_9lEKT6sl9Zcg
#fedibird #twitter
Show Original Post
kpopnsfw (@kpopnsfw@channels.im)
https://www.kpopnsfw.com/174626/251204-japan-twitter-update-%cb%9a%e2%8a%b9%e2%81%ba%e2%80%a7%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%94%88%e2%80%a7%e2%81%ba-%e2%8a%b9/ 251204 Japan Twitter Update – .˚⊹⁺‧┈┈┈┈┈┈┈┈┈┈┈┈‧⁺ ⊹˚. 𝚃𝚛𝚊𝚒𝚕𝚎𝚛 𝚘𝚏𝚏𝚜𝚑𝚘𝚝 .˚⊹⁺‧┈┈┈┈┈┈┈┈┈┈┈┈‧⁺ ⊹˚. ✧MISAMO JAPAN 1st ALBUM『PLAY』✧ 2026.02.04 ALBUM RELEASE #1st #2026.02.04 #album #ALBUMPLAY #japan #misamo #RELEASE #Twice #Twitter #update #𝐒𝐩𝐞𝐜𝐢𝐚𝐥
Show Original Post
kpopnsfw (@kpopnsfw@channels.im)
https://www.kpopnsfw.com/174594/251204-aespa-twitter-update-thank-you-for-showing-so-much-love-this-year-and-for-the-amazing-support-on-whiplash-applemusic%f0%9f%92%9c/ 251204 aespa Twitter Update – Thank you for showing so much love this year, and for the amazing support on ‘Whiplash’ @AppleMusic💜 #aespa #Amazing #AppleMusic #Love #showing #support #Twitter #update #Whiplash #year
Show Original Post
A_Mimi (@A_Mimi@kolektiva.social)
Au début des réseaux sociaux il n'y avait pas tout cet arsenal de "filtres", ces manipulations des informations "dans notre intérêt", "pour que ce soit plus pertinent", etc. Dès les premiers j'ai eu une énorme réticence devant ce système prétendant "rassembler les gens selon leurs opinions", d'emblée je l'ai vu totalement antisocial, créateur de ghettos intellectuels donc induisant incompréhensions, intolérances, donc fanatisme et violences haineuses. J'ai toujours cherché à planter ces filtres en refusant de "liker", en cherchant à être la plus éclectique possible mais je sentais bien que cette merde de censures abrutissantes, bêtifiantes et surtout manipulatrices devait me baiser quand même, peut-être juste légèrement moins à cause de mon obsession à être "inclassable" dans leurs catégories de publics à étanchéifier entre elles.
Un "filtre" c'est forcément une étoile jaune numérique.
Là, on a la preuve que mes intuition et appréhension étaient parfaitement justifiées. Les conséquences doivent être mondialement désastreuses.
Je pense qu'on a du être des millions à l'avoir vu venir.
Vive Mastodon !
-----
Traduction de https://www.psypost.org/personalization-algorithms-create-an-illusion-of-competence-study-finds/
-----
PsyPost - Une étude montre que les algorithmes de personnalisation créent une illusion de compétence
Par Eric W. Dolan - 2 décembre 2025 - dans Sciences cognitives, Médias sociaux
Une nouvelle étude publiée dans le Journal of Experimental Psychology: General suggère que les algorithmes de personnalisation des plateformes de contenu en ligne entravent activement l'apprentissage. Les résultats montrent que lorsque ces algorithmes adaptent l'information au comportement des utilisateurs ces derniers développent une compréhension biaisée, erronée, du sujet tout en ayant une confiance excessive en elle.
L'étude a été menée par Giwon Bahg du département de psychologie de l'université Vanderbilt en collaboration avec Vladimir M. Sloutsky et Brandon M. Turner du département de psychologie de l'université d'État de l'Ohio.
Les recherches scientifiques antérieures sur la personnalisation se sont souvent concentrées sur la manière dont ces systèmes renforcent les croyances existantes comme les idéologies politiques ou les attitudes sociales. Ce phénomène est souvent qualifié de "bulle de filtres". L'équipe a cherché à déterminer si ces algorithmes affectent les processus cognitifs fondamentaux lorsqu'une personne s'informe sur un sujet totalement nouveau sans aucun a priori. Elle a regardé si le mécanisme de personnalisation du contenu visant à accroître la consommation pouvait incidemment restreindre l'exposition à l'environnement au sens large, cette restriction empêchant les utilisateurs de se construire une représentation mentale précise et juste de la réalité. Les chercheurs ont cherché à simuler la façon dont un individu tente de se familiariser à un nouveau domaine, genre le cinéma étranger ou un concept scientifique.
Pour tester leur hypothèse ils ont recruté 343 participants via une plateforme en ligne. Après exclusion des sessions incomplètes ou de qualité trop médiocre, l'analyse finale a retenu 200 participants. Les chercheurs ont conçu une tâche impliquant des catégories entièrement fictives pour s'assurer que les connaissances antérieures n'influencent pas les résultats. Les participants devaient apprendre à catégoriser d'étranges "extraterrestres" d'apparence cristalline. Ces créatures numériques possédaient six caractéristiques visuelles distinctes définissant leur catégorie. Ces caractéristiques comprenaient leur position sur une ligne, le rayon d'un cercle, la luminosité, l'orientation, la courbure et la fréquence spatiale. L'objectif pour les participants était d'apprendre la structure de ces catégories extraterrestres en observant divers exemples. L'expérience comportait une phase d'apprentissage suivie d'une phase de test. Pendant la phase d'apprentissage les caractéristiques spécifiques des extraterrestres étaient masquées par des carrés gris. Les participants devaient cliquer sur ces carrés pour les révéler, un processus que les chercheurs ont appelé "échantillonnage d'information". Ce dispositif a permis à l'équipe de suivre précisément les informations que les participants choisissaient de consulter ou d'ignorer. Les chercheurs ont divisé les participants en différents groupes pour tester les effets spécifiques de l'algorithme de personnalisation. Un groupe, le témoin, a visualisé un assortiment aléatoire d'éléments dont toutes les caractéristiques étaient accessibles. Un autre groupe a participé à un apprentissage actif où les participants choisissaient librement les catégories à étudier, sans intervention algorithmique. Tous les autres groupes ont interagi avec un algorithme de personnalisation inspiré des systèmes de filtrage collaboratif utilisés par les plateformes de partage de vidéos comme YouTube. Cet algorithme enregistre pendant les essais les caractéristiques sur lesquelles chaque participant a tendance à cliquer. Le système recommande ensuite des éléments facilitant ce schéma de clics. Il crée ainsi une boucle de rétroaction présentant des éléments similaires à ceux déjà consultés, dispositif reproduisant la manière dont les plateformes en ligne privilégient l'engagement du contenu sur la diversité des informations, ce pour maximiser leurs revenus. L'algorithme a été entraîné pour prédire les éléments susceptibles de générer le plus de clics. Il a ensuite alimenté les flux des utilisateurs avec ces éléments à fort taux d'engagement.
L'analyse des données révèle des différences significatives dans la manière dont les différents groupes ont recueilli les informations. Les participants des conditions personnalisées ont exploré nettement moins de fonctionnalités que ceux des groupes de contrôle ou d'apprentissage actif. Durant la phase d'apprentissage ces participants ont de plus en plus restreint leur attention. Les données suggèrent qu'ils avaient tendance à ignorer les aspects des extraterrestres que l'algorithme n'avait pas priorisés. L'analyse de la diversité d'échantillonnage a utilisé une mesure appelée entropie de Shannon. Cette métrique a montré que l'environnement personnalisé a efficacement incité les utilisateurs à se concentrer sur une portion restreinte des informations disponibles. L'algorithme a réussi à limiter la diversité des catégories présentées aux utilisateurs. Après la phase d'apprentissage, les chercheurs ont administré une tâche de catégorisation pour mesurer les acquis des participants. On leur a de nouveau présenté des exemples d'extraterrestres en leur demandant de les classer dans les catégories appropriées.
Les chercheurs ont constaté que les individus ayant appris avec l'algorithme personnalisant commettent plus d'erreurs que ceux du groupe témoin. Leur représentation interne des catégories d'extraterrestres est déformée. L'algorithme les a empêchés de percevoir toute la diversité de la population extraterrestre. Cela a conduit à des généralisations inexactes sur la façon dont les différentes caractéristiques étaient liées entre elles. Les participants ont ainsi appris une version biaisée de la réalité présentée dans l'expérience. Outre l'exactitude des réponses, l'étude a mesuré la confiance des participants dans leurs décisions à l'aide d'une échelle de notation de zéro à dix. L'analyse montre que les participants des groupes personnalisés rapportent fréquemment des niveaux de confiance élevés même lorsque leurs réponses sont fausses. Cet effet est particulièrement marqué lorsqu'ils rencontrent des éléments appartenant à des catégories qu'ils ont rarement ou jamais vues pendant la phase d'apprentissage : au lieu de reconnaître leur ignorance de ces éléments inconnus ils ont appliqué à tort leur expérience biaisée. Les résultats montrent que lorsqu'un élément testé provient d'une catégorie non observée les participants ne présentent pas de manque de confiance. Ils sont persuadés que leurs connaissances biaisées s'appliquent à ces situations nouvelles. Ceci indique un décalage entre la compétence réelle et la compétence perçue, décalage dû à l'environnement d'apprentissage filtré. Les participants ignoraient que l'algorithme leur avait dissimulé une part importante du paysage des informations. Ils ont supposé que l'échantillon limité qu'ils ont eu à consulter était représentatif.
Les auteurs soulignent que l'étude a utilisé une tâche artificielle et hautement contrôlée pour isoler les effets cognitifs des algorithmes. Les interactions réelles avec la personnalisation impliquent souvent un contenu sémantique complexe et des préférences émotionnelles, absentes de cette expérience. La nature synthétique des stimuli est un choix de conception nécessaire pour éliminer l'influence des croyances préexistantes. De futures recherches pourraient examiner comment ces résultats se transposent à des contextes plus naturels tels que la consommation d'actualités ou les outils pédagogiques. Les chercheurs suggèrent également d'explorer comment des types d'objectifs différents pour les utilisateurs pourraient atténuer les effets négatifs de la personnalisation. Par exemple, un algorithme conçu pour maximiser la diversité plutôt que l'engagement pourrait produire des résultats cognitifs différents. Ces résultats démontrent que la structure même des systèmes de diffusion de l'information joue un rôle important dans la formation de la connaissance individuelle humaine. En optimisant l'engagement les algorithmes actuels sacrifient la précision des connaissances. Ce compromis suggère que les plateformes en ligne influent non seulement sur ce que les gens voient mais aussi sur leur façon d'appréhender le monde.
L'étude, intitulée "Algorithmic Personalization of Information Can Cause Inaccurate Generalization and Overconfidence," a été réalisée par Giwon Bahg, Vladimir M. Sloutsky et Brandon M. Turne. Elle est disponible en https://psycnet.apa.org/doi/10.1037/amp0000191
-----
#Science #Psychologie #manipulation #META #Twitter #Youtube
Show Original Post
bilyfoundation (@bilyfoundation@mastodon.social)
Bily Foundation || বিলি ফাউন্ডেশন.....
"বিলিফাউন্ডেশন একটি বাংলাদেশী আন্তর্জাতিক বৃহত্তম এবং জনপ্রিয় সামাজিক ও অলাভজনক দাতব্য সংস্থা" #bilyfoundation #bilycharityfoundation #charityfoundation #bangladeshcharity #foundation #charity #x #Twitter #facebookpost
Show Original Post
bilyfoundation (@bilyfoundation@mastodon.social)
Bily Foundation || বিলি ফাউন্ডেশন.....
"বিলিফাউন্ডেশন একটি বাংলাদেশী আন্তর্জাতিক বৃহত্তম এবং জনপ্রিয় সামাজিক ও অলাভজনক দাতব্য সংস্থা" #bilyfoundation #bilycharityfoundation #charityfoundation #bangladeshcharity #foundation #charity #x #Twitter #facebookpost
Show Original Post
reddit_tech_vn_bot (@reddit_tech_vn_bot@mastodon.maobui.com)
Một nhà sáng lập SaaS đã chi 750$ thuê 3 influencer Twitter với 640k+ người theo dõi để quảng bá sản phẩm. Kết quả chỉ thu về 60 lượt đăng ký, với chi phí $12.50 mỗi lượt. Bài học đắt giá: không thể "thuê" sự tin tưởng, tốt hơn là tự xây dựng ảnh hưởng thật sự.
#InfluencerMarketing #KhởiNghiệp #TiếpThịSố #SaaS #Startup #DigitalMarketing #Twitter
https://www.reddit.com/r/SaaS/comments/1pdrrhq/i_paid_twitter_influencers_with_640k_combined/
Show Original Post
SteveThompson (@SteveThompson@mastodon.social)
Who is behind the US-based X accounts supporting Iran? | The Jerusalem Post
https://www.jpost.com/middle-east/iran-news/article-878984
Show Original Post
r (@r@fed.brid.gy)
De Vox a Gemma Nierga hay un tuit
https://fed.brid.gy/r/https://elpais.com/opinion/2025-12-04/de-vox-a-gemma-nierga-hay-un-tuit.html
Show Original Post