Wanneer algoritmes ons in de steek laten: waargenomen algoritmische ineffectiviteit, psychologische reactantie en impliciete persoonlijkheid als drijfveren van algoritme-afkeer op kortformat video-platforms

Waarom dit ertoe doet voor je feed

Kortvideo-apps zoals TikTok en Douyin beloven ons precies te tonen wat we willen, precies wanneer we het willen. Toch raken veel mensen gefrustreerd door hun feeds, wantrouwen ze wat ze zien of voeren ze voortdurend een strijd met de aanbevelingen. Deze studie stelt een schijnbaar eenvoudige vraag met grote gevolgen voor ons digitale leven: wat gebeurt er, psychologisch gezien, wanneer mensen het gevoel hebben dat het algoritme gewoon niet voor hen werkt?

Wanneer de feed niet goed aanvoelt

De onderzoekers richten zich op een kernidee dat zij waargenomen algoritmische ineffectiviteit noemen: het gevoel dat het platform steeds video’s serveert die saai, niet behulpzaam of irrelevant zijn. In plaats van te meten hoe nauwkeurig het algoritme in werkelijkheid is, kijken ze naar hoe nauwkeurig het voor gebruikers aanvoelt. Wanneer mensen aanbevolen clips beoordelen als niet memorabel, niet betekenisvol of niet overtuigend, zijn ze eerder geneigd zich tegen het systeem te verzetten. Met andere woorden: teleurstelling over de feed wordt het startpunt voor een bredere weerstand tegen algoritmische sturing.

Van ergernis tot terugslag

De volgende stap is psychologische reactantie — het onaangename gevoel dat we krijgen wanneer we denken dat onze vrijheid wordt beperkt. Op Douyin en vergelijkbare apps bepaalt de “For You”-pagina wat eerst verschijnt en stuurt zo stilletjes de aandacht. Wanneer deze stroom in conflict komt met wat gebruikers denken te moeten zien, kunnen ze zich geduwd, verdrongen of zelfs bekeken voelen. De studie toont aan dat zulke momenten van mismatch meer doen dan irriteren. Ze wekken het gevoel dat de app gebruikers vertelt wat ze moeten kijken, wat op zijn beurt woede, ongeduld en de neiging om het tegenovergestelde te doen aanwakkert. Deze emotionele terugslag wordt een krachtig motief voor wat de auteurs algoritme-afkeer noemen.

Hoe mensen zich tegen de feed verzetten

Algoritme-afkeer uit zich op subtiele maar belangrijke manieren. In plaats van passief te scrollen beginnen gebruikers aanbevolen clips te vermijden, handmatig te zoeken of hun afspeellijsten handmatig opnieuw samen te stellen. Sommigen proberen het systeem te “hertrainen” door over ongewenste video’s heen te slaan, te blokkeren of snel door te vegen. Anderen trekken zich voor periodes terug of behandelen het platform met een vermoeide cynische houding: ze blijven het gebruiken, maar met weinig vertrouwen en lage verwachtingen. Aan de hand van enquêtegegevens van 733 Douyin-gebruikers vindt de studie dat hoe ineffectiever mensen het algoritme vinden, hoe meer psychologische reactantie ze rapporteren — en hoe sterker ze deze kleine vormen van verzet vertonen.

Persoonlijkheid en mindset in het algoritme-tijdperk

Niet iedereen reageert op slechte aanbevelingen op dezelfde manier. De auteurs onderzoeken een eigenschap die impliciete persoonlijkheid wordt genoemd, en die vastlegt of mensen eigenschappen en vaardigheden als vaststaand of veranderbaar zien. Degenen met een ‘vaste’ mindset houden doorgaans een stabiele, sceptische houding tegenover algoritmes, ongeacht of ze goed of slecht werken. Degenen met een ‘groeimindset’ zijn gevoeliger: zij reageren positief wanneer het systeem behulpzaam lijkt, maar reageren scherper wanneer het faalt. De studie laat zien dat voor deze tweede groep het gevoel dat het algoritme ineffectief is, psychologische reactantie sterker doet oplaaien, wat vervolgens leidt tot krachtiger gedrag van algoritme-afkeer.

Wat platforms anders kunnen doen

Deze bevindingen suggereren dat het probleem niet alleen is of aanbevelingssystemen technisch nauwkeurig zijn, maar of mensen zich gehoord en in controle voelen. Wanneer gebruikers de feed als eenrichtingsverkeer ervaren, kunnen zelfs kleine misstappen uitmonden in blijvend wantrouwen en ontwijking. De auteurs pleiten ervoor dat platforms mensen duidelijkere manieren geven om aanbevelingen te begrijpen en te beïnvloeden, echte feedbacklussen creëren wanneer gebruikers terugduwen, en bedieningsmogelijkheden ontwerpen die verschillende mindsets respecteren. Simpel gezegd: wanneer algoritmes ons in de steek laten — of zelfs maar het gevoel geven dat ze dat doen — halen mensen hun schouders niet op en scrollen ze niet door. Ze passen zich aan, verzetten zich en keren zich soms stilletjes af van de systemen die juist bedoeld zijn hen te dienen.

Bronvermelding: Zeng, R., Zhu, D. & Evans, R. When algorithms fail us: perceived algorithmic ineffectiveness, psychological reactance, and implicit personality as drivers of algorithm aversion behavior on short-form video platforms. Humanit Soc Sci Commun 13, 266 (2026). https://doi.org/10.1057/s41599-026-06573-w

Trefwoorden: algoritme-afkeer, kortformat videoplatforms, gepersonaliseerde aanbevelingen, psychologische reactantie, gebruikersautonomie