Platforme in algoritmi pozornosti
Feed ni ogledalo javnosti, temveč sistem izbora. Ta članek pokaže, kako priporočila, engagement, personalizacija in zasnova vmesnika oblikujejo vidnost, vedenje in porabo pozornosti — brez poenostavljene trditve, da algoritem neposredno programira človeka.
»Kdo nadzoruje podatke o nas?« je pokazal, da podatki niso pasivna sled, ampak infrastruktura moči. Platforma, ki pozna naše pretekle klike, oglede, zadrževanje, kontakte in navade, ima veliko boljši zemljevid naših digitalnih poti kot mi sami. Toda zbiranje podatkov je samo prvi korak. Naslednji korak je odločitev, kaj bo iz ogromne množice možnih vsebin sploh prišlo pred naše oči.
V klasičnem medijskem svetu je »Kako mediji določajo, o čem razmišljamo« pokazal, da uredniški izbor sodeluje pri določanju tem, ki jih zaznamo kot pomembne. Platformni svet to logiko spremeni: naslovnica ni več ena in ista za vse, ampak se lahko vsakič znova sestavi za posameznega uporabnika. Razvrščanje, priporočanje, obvestila in elementi vmesnika zato ne merijo samo naše pozornosti. Deloma določajo tudi, kam bo pozornost sploh lahko odšla naslednje.
Ta članek zato ne izhaja iz trditve, da algoritem ljudem neposredno vstavi prepričanja ali da je vsak personaliziran feed manipulacija. Empirični učinki so bolj zapleteni. Človek še vedno izbira, sledi ljudem, preskoči vsebino in prinese v sistem svoje navade. Toda ko zasebni posrednik določa vrstni red milijard možnih dražljajev, postane pomembno vprašanje digitalne suverenosti: po katerem merilu je vidnost razdeljena in koliko nadzora nad tem merilom ima uporabnik?
Pozornost je omejen vir, feed pa je stroj za izbor
Na spletu je vsebine bistveno več, kot jo lahko kdorkoli pregleda. Že samo to pomeni, da mora obstajati izbor. Kronološki tok izbira predvsem po času. Iskalnik razvršča rezultate glede na poizvedbo in druga merila. Družbena platforma lahko izbira glede na verjetnost klika, ogleda, odziva, deljenja, zadrževanja ali kombinacijo številnih signalov.
Zato priporočilni sistem ni nevtralna cev, skozi katero teče že oblikovano javno mnenje. Je mehanizem razporejanja redkega vira — človeške pozornosti. Tudi če ne ustvarja vsebine, določa, katera vsebina dobi prvo, drugo ali stoto možnost, da jo človek sploh opazi.
Ta moč ni nujno zlonamerna. Brez razvrščanja bi bila večina velikih platform skoraj neuporabna. Problem se začne, ko ne vemo, kaj sistem optimizira, katera vedenja šteje kot uspeh in ali lahko uporabnik smiselno spremeni način izbora.
Ena od koristnih provokacij, ki jo v ta članek prinaša Zelena knjiga, je kritika ideje, da zasebni medij avtomatično govori v imenu javnosti. V platformnem svetu je ta problem še ostrejši. Trending seznam, priporočena stran ali personaliziran feed ne pokažejo nujno tega, kar »misli družba«. Pokažejo rezultat pravil izbora, uporabniških signalov, omrežne strukture in poslovne zasnove konkretnega sistema.
To ne pomeni, da so trendi izmišljeni. Lahko merijo resnično povečanje zanimanja ali aktivnosti. Vendar merijo aktivnost znotraj določenega sistema, po merilih, ki jih je nekdo določil. Tisto, kar je vidno, je lahko reprezentativno za del uporabnikov, lahko je posledica zelo aktivne manjšine, lahko pa ga dodatno dvigne priporočilni mehanizem.
Zato moramo ločiti tri stvari: kaj ljudje mislijo, kaj ljudje dejansko objavljajo ali klikajo in kaj platforma iz teh dejanj izbere za nadaljnjo vidnost. Če jih zlijemo v eno, lahko algoritemsko urejen tok pomotoma razglasimo za ogledalo družbe.
Kaj priporočilni algoritem pravzaprav optimizira?
Priporočilni sistem običajno ne išče abstraktno »najboljše vsebine«. Deluje z merljivim ciljem oziroma več cilji. Lahko ocenjuje verjetnost, da bomo kliknili, gledali dlje, komentirali, kupili, se vrnili ali vsebino označili kot relevantno. Merilo se lahko spreminja glede na storitev, uporabnika in poslovni model.
To je ključno zato, ker ciljna funkcija oblikuje okolje. Če je glavni signal zadrževanje, sistem išče vsebino, ki zadržuje. Če je pomembno zadovoljstvo, potrebuje drugačne signale. Če je cilj prodaja, bo prednost drugačna kot pri sistemu, ki želi čim hitreje odgovoriti na vprašanje.
Digitalna suverenost zato ne zahteva, da uporabnik bere izvorno kodo vsakega modela. Zahteva pa razumljiv odgovor na osnovno vprašanje: katera merila so najpomembnejša pri tem, da vidim prav to vsebino, in kaj lahko pri teh merilih spremenim? Prav to logiko je v pravo prenesel tudi 27. člen Akta o digitalnih storitvah (DSA).
Algoritem pogosto sklepa iz tega, kar naredimo. Toda klik ni isto kot premišljena želja. Človek lahko odpre vsebino iz jeze, šoka, radovednosti ali zato, ker želi preveriti nekaj, s čimer se ne strinja. Dolg ogled lahko pomeni zanimanje, lahko pa tudi zmedenost. Pogosto deljenje lahko pomeni odobravanje ali opozarjanje drugih.
Raziskave zato opozarjajo na razliko med razkritimi vedenjskimi signali in tem, kar uporabniki povedo, da dejansko cenijo. Študija algoritmičnega razvrščanja na Twitterju/X je na primer ugotovila, da je engagement-based ranking v primerjavi z obratno kronologijo okrepil čustveno nabito in do političnega out-groupa sovražno vsebino, pri čemer uporabniki niso nujno rekli, da jim je izbrana politična vsebina ljubša.
To ne dokazuje, da vsak sistem vedno spodbuja najbolj konfliktno vsebino. Pokaže pa splošnejšo težavo: proxy ni isto kot cilj. Če platforma meri človeka predvsem skozi vedenje, lahko optimizira tisto, kar povzroča odziv, ne nujno tistega, kar bi človek po premisleku izbral kot dobro uporabo svojega časa.
Od opazovanja vedenja do povratne zanke
»Kdo nadzoruje podatke o nas?« je obravnaval podatke kot zapis vedenja. Ta članek doda povratno zanko. Sistem zabeleži, na čem se ustavimo, nato na tej podlagi spremeni naslednjo ponudbo; nova ponudba vpliva na naslednje vedenje, to vedenje pa postane nov signal za sistem.
Zato personalizacija ni samo ogledalo preteklih preferenc. Lahko postane dinamičen odnos med uporabnikom in okoljem, v katerem oba vplivata drug na drugega. Človek trenira sistem s svojimi dejanji, sistem pa spreminja nabor možnosti, med katerimi človek izbira.
Ta zanka je lahko koristna: hitreje odkrijemo glasbo, strokovne vire ali ljudi, ki jih sicer ne bi našli. Lahko pa tudi zoži raziskovanje, če sistem prehitro sklepa, kaj nas zanima, in vedno znova vrača podobne dražljaje. Pomembno je torej, ali lahko uporabnik zanko prekine, resetira, razširi ali preusmeri.
»Kako mediji določajo, o čem razmišljamo« je govoril o dnevnem redu, ki ga medij postavi pred občinstvo. Na platformi lahko dva človeka odpreta isto aplikacijo ob istem času in dobita povsem različna informacijska okolja. Personalizacija zato razprši naslovnico, ne nujno tudi moč nad njenim sestavljanjem.
To ima pomembno posledico za skupno razpravo. Ljudje se lahko prepiramo ne le o razlagi istih dogodkov, ampak že o tem, kateri dogodki sploh obstajajo v našem vsakdanjem informacijskem polju. Algoritemsko razvrščanje lahko pri tem poveča ali zmanjša določene vrste izpostavljenosti, vendar učinki niso enostavni in so odvisni tudi od tega, komu sledimo in s kom smo povezani.
Študije Facebooka med volitvami 2020 so pokazale, da je sprememba na obratno kronološki feed občutno spremenila uporabo platforme in izpostavljenost vsebinam, vendar v trimesečnem obdobju ni pomembno spremenila vrste merjenih političnih stališč. To je pomembna omejitev: algoritem lahko močno oblikuje informacijsko izkušnjo, ne da bi iz tega avtomatično sledil popoln nadzor nad prepričanji.
Amplifikacija ni isto kot programiranje človeka
Pri platformah je hitro privlačna najmočnejša razlaga: algoritem nas programira. Takšna formula je preveč groba. Na izpostavljenost vplivajo tudi naše začetne izbire, družbena mreža, jezik, lokacija, interesne skupine, čas in dejanja drugih uporabnikov. Raziskave pogosto pokažejo preplet algoritemske selekcije in človeškega vedenja, ne enosmernega daljinskega upravljanja.
Toda zavrnitev determinizma ne pomeni, da amplifikacija ni pomembna. Če sistem isti signal milijonkrat pogosteje postavi pred ljudi, lahko spremeni razmerje med tem, kar obstaja, in tem, kar postane vidno. To vpliva na doseg, prihodke, status, politično agendo in na verjetnost, da se bo neki vzorec ponovil.
Najbolj trezna formulacija je zato: platforma ne določa nujno, kaj bomo mislili, lahko pa spremeni verjetnosti tega, kar bomo videli, koliko časa bomo temu namenili in kateri odzivi bodo nagrajeni z dodatno vidnostjo. To je dovolj velika moč, da zasluži preglednost in možnost izbire.
Ko vmesnik tekmuje za čas, ni pomemben samo algoritem
Pozornost ne oblikuje samo vrstni red objav. Oblikuje jo tudi vmesnik. Neskončno drsenje odstrani naravno točko zaključka. Samodejno predvajanje zmanjša trenje med eno in naslednjo vsebino. Potisna obvestila prenašajo zahtevo po pozornosti iz aplikacije v vsakdanji prostor. Vizualni poudarki in družbeni signali lahko povečajo občutek nujnosti.
OECD in ameriški FTC pri tako imenovanih dark patterns opozarjata, da lahko digitalna arhitektura izbire uporabnike usmerja, zavaja ali oteži avtonomno odločanje. Evropski parlament je pri razpravi o zasvojljivem dizajnu posebej izpostavil ekonomijo pozornosti in funkcije, katerih namen je podaljševanje uporabe.
Tudi tu je potrebna previdnost. Dolga uporaba ni sama po sebi dokaz škode, neskončni scroll pa ni v vsaki situaciji nedovoljen. Toda kadar poslovni uspeh meri predvsem dodatne minute, klike ali prikaze oglasov, mora uporabnik vedeti, da se njegova sposobnost prekiniti uporabo lahko znajde v neposrednem konfliktu z optimizacijskim ciljem storitve.
Poslovni model določa, čigava pozornost je komu vrednost
Ni vsaka digitalna platforma financirana na isti način. Nekatere živijo predvsem od oglaševanja, druge od naročnine, provizij, prodaje, licenc ali kombinacij. Zato tudi ni smiselno trditi, da vsaka platforma vedno želi maksimalen čas uporabe. Včasih je bolj pomembna uspešna transakcija, vračanje uporabnika ali kakovost odgovora.
Vseeno poslovni model pomaga razumeti spodbude. Če več pozornosti pomeni več oglasnih prikazov in več vedenjskih podatkov, obstaja močan razlog za optimizacijo zadrževanja. Če uporabnik plačuje za storitev, je lahko spodbuda bolj poravnana z zadovoljstvom, vendar tudi naročniška storitev lahko uporablja elemente, ki otežujejo izstop ali podaljšujejo porabo.
Zato ta članek ne uporablja formule »brezplačno pomeni, da si ti produkt«. Bolj natančno vprašanje je: kateri rezultat ustvarja prihodek, katere metrike sistem zato nagrajuje in ali se interes ponudnika pri teh metrikah razhaja z dolgoročnim interesom uporabnika?
Preglednost ni razkritje kode, ampak možnost razumeti in vplivati
Popolna objava izvorne kode priporočilnega sistema ne bi večini uporabnikov sama po sebi dala nadzora. Sodobni sistemi so kompleksni, sproti se spreminjajo in vključujejo modele, podatke ter poslovna pravila. Koristnejša preglednost je funkcionalna: kateri glavni parametri vplivajo na priporočilo, zakaj je vsebina predlagana in katere nastavitve lahko uporabnik spremeni.
DSA zato od platform z recommender sistemi zahteva razumljiv opis glavnih parametrov in možnosti vplivanja nanje. Za zelo velike platforme zahteva tudi vsaj eno možnost priporočanja, ki ni zasnovana na profiliranju. To ne odpravi problema, vendar pomembno spremeni načelo: personalizacija ne sme biti edini možni vhod v informacijski prostor.
Regulatorna vprašanja so se do začetka leta 2026 razširila tudi na zasnovo, ki lahko spodbuja kompulzivno uporabo. Evropska komisija je februarja 2026 pri TikToku objavila preliminarno ugotovitev glede zasvojljivega dizajna; ker gre za preliminarno fazo, tega ne smemo opisovati kot dokončno pravno ugotovitev. Pomembno je kot znak, da nadzor danes vključuje tudi način, kako je pozornost tehnično organizirana.
Praktični audit suverenosti pozornosti
Platformo lahko pregledamo brez ugibanja o skrivnih namenih. Namesto vprašanja »ali me algoritem manipulira?« uporabimo konkretna vprašanja o izbiri, ciljih, preglednosti in izhodu.
Uporabimo lahko dvanajst vprašanj: (1) kdo določa vrstni red vsebin, (2) kateri glavni cilj sistem optimizira, (3) kateri moji signali najbolj vplivajo na priporočila, (4) ali lahko vidim, zakaj je bila posamezna vsebina priporočena, (5) ali lahko izberem kronološki ali drug neprofiliran tok, (6) ali lahko resetiram oziroma popravim profil interesov, (7) kako enostavno izklopim autoplay, obvestila in druge mehanizme zadrževanja, (8) ali lahko jasno izrazim »tega nočem več«, (9) ali je oglaševanje ločeno in prepoznavno, (10) ali neodvisni raziskovalci lahko preverjajo sistemske učinke, (11) kaj se zgodi z mojim dosegom ali dostopom, če zavrnem personalizacijo, ter (12) kako enostavno lahko svoj informacijski tok premaknem drugam.
Dober rezultat ni feed brez algoritmov. Tudi kronologija je pravilo izbora in tudi popolnoma ročni izbor lahko ustvari ozko okolje. Merilo je bolj zahtevno: ali uporabnik razume osnovno logiko izbire, ima realne alternative in lahko spremeni ali zapusti sistem brez nesorazmerne izgube dostopa do ljudi, informacij ali občinstva.
»Kdo nadzoruje podatke o nas?« je vprašal, kdo nadzoruje podatke. Ta članek je pokazal, kako lahko isti podatki skupaj z razvrščanjem, priporočili in vmesnikom oblikujejo vidnost ter porabo pozornosti. S tem dobimo dve plasti digitalne moči: sistem lahko veliko ve o človeku in hkrati pomembno vpliva na to, kaj človek vidi naslednje.
Toda pozornost še ni najtrša oblika digitalne odvisnosti. Človek lahko zapre feed in še vedno ohrani sposobnost plačevanja, dokazovanja identitete ali dostopa do osnovnih storitev. Težava se zaostri, ko ena digitalna točka postane pogoj za normalno sodelovanje v vsakdanjem življenju.
Zato bo »Digitalna identiteta in plačila kot točke nadzora« obravnaval digitalno identiteto in plačila kot točke nadzora: interoperabilnost, izključitev, single points of failure in možnost, da tehnična ali institucionalna odločitev človeku ne spremeni samo tega, kar vidi, ampak tudi tega, kaj sploh lahko naredi. Ta članek pa za sabo pušča preprosto pravilo: pozornost je del svobode, kadar imamo resnično možnost odločati, kdo in po kakšnih pravilih jo usmerja.
Viri in nadaljnje branje
- European Union. Regulation (EU) 2022/2065 (Digital Services Act) — Articles 25, 27, 34–35 and 38 on interface design, recommender transparency, systemic risks and non-profiled recommender options.
- European Commission. Requests for information to YouTube, Snapchat and TikTok on recommender systems under the Digital Services Act (2 October 2024).
- European Commission. Preliminary finding concerning TikTok’s addictive design under the Digital Services Act (6 February 2026) — explicitly preliminary, not a final infringement decision.
- OECD. Dark commercial patterns. OECD Digital Economy Papers No. 336 (2022).
- U.S. Federal Trade Commission. Bringing Dark Patterns to Light (2022).
- European Data Protection Board. Guidelines 8/2020 on the targeting of social media users, final version (13 April 2021).
- European Parliament. Report on addictive design of online services and consumer protection in the EU single market (A9-0340/2023).
- Lorenz-Spreen, P. et al. How behavioural sciences can promote truth, autonomy and democratic discourse online. Nature Human Behaviour 4, 1102–1109 (2020).
- Guess, A. M. et al. How do social media feed algorithms affect attitudes and behavior in an election campaign? Science 381, 398–404 (2023).
- González-Bailón, S. et al. Asymmetric ideological segregation in exposure to political news on Facebook. Science 381, 392–398 (2023).
- Bhadani, S. et al. Political audience diversity and news reliability in algorithmic ranking. Nature Human Behaviour 6, 495–505 (2022).
- Engagement, user satisfaction, and the amplification of divisive content on social media. PNAS Nexus 4(3), pgaf062 (2025).