Алгоритми рекомендацій: як ШІ формує наші медіа-уподобання?

Автор(и)

DOI:

https://doi.org/10.37222/2786-7552-2026-8-8

Ключові слова:

Штучний інтелект, алгоритми рекомендацій, персоналізація контенту, інформаційні бульбашки, медіауподобання, машинне навчання, етичні ризики медіа

Анотація

Проблематика. Стрімке впровадження алгоритмів рекомендацій у цифрових медіа радикально змінює структуру споживання інформації, формуючи індивідуалізовані медіауподобання користувачів. Персоналізація підвищує зручність і залученість аудиторії, але водночас посилює ризики інформаційних бульбашок, маніпуляцій, асиметрії доступу до даних і зниження прозорості редакційної політики. Мета/завдання. Мета статті – комплексно проаналізувати, яким чином алгоритми рекомендацій на основі штучного інтелекту формують медіауподобання користувачів, виявити їхній вплив на редакційні стратегії та інформаційний ландшафт, а також окреслити ключові етичні, соціальні та регуляторні виклики. Завданнями статті є: описати основні типи алгоритмів та джерела даних, дослідити їхній вплив на поведінку аудиторії та бізнес-моделі медіа, проаналізувати ризики для плюралізму та довіри.

Методи. Дослідження ґрунтується на поєднанні контент-аналізу наукових і галузевих публікацій, кейс-аналізу світових та українських онлайн-видань, а також елементів порівняльного аналізу регуляторних підходів до використання ШІ в медіа. Застосовано структурно-функціональний підхід для вивчення ролі алгоритмів у медіасистемі та критичний дискурс-аналіз щодо етичних вимірів персоналізації.

Результати/висновки. Показано, що алгоритми рекомендацій, базовані на колаборативній та контентній фільтрації, а також гібридних моделях машинного навчання, стають центральним елементом взаємодії між медіа та аудиторією, визначаючи видимість контенту й траєкторії споживання новин. Вони сприяють зростанню залученості та монетизації, але водночас звужують інформаційний горизонт користувачів, посилюють поляризацію та ускладнюють відокремлення редакційних рішень від автоматизованих. Зроблено висновок про необхідність прозорості принципів роботи алгоритмів, маркування персоналізованого контенту, впровадження етичних стандартів у медіаорганізаціях і посилення медіаграмотності аудиторії.

Новизна. Наукова новизна полягає в тому, що алгоритми рекомендацій у медіа розглядаються не лише як технічний інструмент оптимізації користувацького досвіду, а як комплексний соціотехнічний механізм, що переформатовує структуру публічної сфери. У статті поєднано аналіз технологічних принципів роботи ШІ з оцінкою їхнього впливу на редакційну автономію, медіаплюралізм та демократичні процеси, що дозволяє запропонувати цілісний підхід до розробки етичних і регуляторних рамок використання рекомендаційних систем у журналістиці.

Біографія автора

Дмитро Ткач, Університет економіки та права «КРОК» (м. Київ, Україна)

доктор політичних наук, професор

Посилання

Avramenko, M. V., Avramenko, D., Bohaichuk. V. & Temnyj, O. (2025). Vplyv alhorytmiv rekomendatsii sotsialnykh merezh na formuvannia informatsiinykh bulbashok: shliakhy podolannia [The impact of social media recommendation algorithms on the formation of information bubbles: ways to overcome]. Visnyk Natsionalnoho universytetu oborony Ukrainy, 1(83), 7–15. DOI: https://doi.org/10.33099/2617-6858-2025-83-1-7-155 [in Ukrainian].

Deneha, K. (2024, 6 Oct.). Informatsiina bulbashka: syla ta nebezpeka sotsialnykh merezh [Information bubble: the power and danger of social networks]. Mediakrytyka. http://mediakrytyka.lnu.edu.ua/ohlyady-analityka/infor­ma­tsiyna-bulbashka-syla [in Ukrainian].

Fletcher, R. & Nielsenb R. K. (2018). Generalised scepticism: How people navigate news on social media. https: //ora.ox.ac.uk/objects/uuid:345f1f65-c6e1-4021-b8d2-a76dee98817d/files/m7169d57acb188a4ea283b32378dcc0d6 [in Eng­lish].

Hychka, M. (2025, 20 March). Mediaindustriia 2025: deviat tendentsii, yaki zminiuiut komunikatsiiu zi spozhyvachamy [Media industry 2025: nine trends that change communication with consumers]. Detektor media. https://detector.media/rinok/article/239245/2025-03-20-mediaindustriya-2025-devyat-tendentsiy-yaki-zminyuyut-komunikatsiyu-zi-spozhyvachamy/ [in Ukrainian].

Kozyr, O. O. (2025). Vykorystannia shtuchnoho intelektu v media [The use of artificial intelligence in media]. Visnyk Uzhhorodskoho natsionalnoho universytetu. Seriia: Pravo. DOI: https://doi.org/10.24144/2307-3322.2025.91.1.49 [in Ukrainian].

Lavryshyn, Yu. (2024, 27 Sept.). Vyklyky dlia media 2025: ShI, moderatsiia ta rehuliatsiia platform, vtoma vid novyn [AI, platform moderation and regulation, news fatigue]. Detektor media. https://detector.media/infospace/article/232719/2024-09-27-vyklyky-dlya-media-2025-shi-moderatsiya-ta-regulyatsiya-platform/ [in Ukrainian].

Maidaniuk, V. (2025, 20 Oct.). Shtuchnyi intelekt u media ta sotsmerezhakh: mizh pravdoiu i feikamy [Artificial intelligence in media and social networks: between truth and fakes]. Infolait. https://infolight.in.ua/2025/10/20/shtuchnyj-intelekt-u-media-ta-sotsmerezhah-mizh-pravdoyu-i-fejkamy/ [in Ukrainian].

Nagpure, D., Khan, F. M., Yadav, R. A. & Prasad, S. V. (2024, September–October). News Recommendation System. International Journal of Scientific Research & Engineering Trends, 10(5), 2501–2507. https://ijsret.com/wp-content/uploads /2024/09/ IJSRET_V10_issue5_491.pdf [in English].

Pariser, E. (2011). The Filter Bubble: What the Internet is Hiding from You. New York: Penguin Press [in English].

Tymchenko, L. O. (2024). Prozorist u rekomendatsiinykh systemakh na bazi kolaboratyvnoi filtratsii [Transparency in recommendation systems based on collaborative filtering]. https://openarchive.nure.ua/bitstreams/2f2425c7-4d74-411b-bbc4-54fa64b70601 /download [in Ukrainian].

Yablon, V. (2025). Shtuchnyi intelekt. De khovaietsia zahroza manipuliatsii u media [Artificial intelligence. The threat of manipulation in the media]. I.nure. https://i.nure.ua/univer/2232-shtuchnij-intelekt-de-khovaetsya-zagroza-mani pulyatsij -u-media [in Ukrainian].

Yevdokymov, V. V., Morozov, A. V. & Vakaliuk, T. A. (2024). Formalizovani metody ta alhorytmy dlia stvorennia rekomendatsiinykh system [Formalized methods and algorithms for creating recommendation systems]. Aktualni problemy avtomatyzatsii ta informatsiinykh tekhnolohii, 28, 120–135. DOI: http://dx.doi.org/10.15421/432411 [in Ukrainian].

VPN Unlimited (2024, 27 Sept.). Shcho take Kolaboratyvna Filtratsiia – Terminy ta vyznachennia [What is Collaborative Filtration – Terms and Definitions]. https://www.vpnunlimited.com/ua/help/ cybersecurity/collaborative-filtering [in Ukrainian].

##submission.downloads##

Опубліковано

2026-06-26

Як цитувати

Ткач, Д. (2026). Алгоритми рекомендацій: як ШІ формує наші медіа-уподобання?. Пресознавство, (8), 150—168. https://doi.org/10.37222/2786-7552-2026-8-8

Номер

Розділ

МЕДІАКОМУНІКАЦІЇ В ІСТОРИЧНОМУ ВИМІРІ