<![CDATA[Perkembangan big data dan algoritma rekomendasi telah mentransformasikan relasi Antara media dan audiens: dari audiens pasif menjadi entitas data-proaktif (prosumer) yang perilakunya dimodelkan untuk mengoptimalkan engagement. Sementara personalisasi meningkatkan keterlibatan dan efisiensi distribusi konten, praktik tersebut juga menghasilkan konsekuensi negatif termasuk pembentukan filter bubble dan varian yang lebih sempit, deep filter bubble yang berdampak pada pluralitas informasi, kualitas ranh public, dan potensi polarisasi. Artikel ini menyajikan tinjauan teoritis dan kritis terhadap transformasi paradigm audiens, peran engagement sebagai mata uang baru, mekanisme dan dampak filter bubble, dan tantangan etis serta strategi mitigasi. Sintesis literature ini menggunakan studi teori komunikasi, publikasi teknis tentang system rekomendasi, serta kajian etika AI untuk menyusun rekomendasi kebijakan dan penelitian lanjutan.]]>
Copyrights © 2026
