Algorithmic self-regulation: how predictive recommendation systems are reconfiguring attention, cognitive load, and self-determination practices in the digital ecosystem.

Autori

  • Angelo Cappello Università degli Studi di Messina

Parole chiave:

autoregolazione algoritmica, raccomandazione predittiva, task switching, dis-positivi tecnologici, nudging algoritmico.

Abstract

La frammentazione informativa e la sovrabbondanza di stimolazioni reiterate nel tempo generano un aumento di task switching, un processo che per mezzo di un salto attentivo da un’attività ad un’altra, provoca una riduzione della memoria di lavoro a favore di una crescente dipendenza da segnali algoritmici per la selezione di tutte le priorità esistenziali. Tutto questo produce nuove forme di governance cognitive in cui la capacità di autodeterminazione viene mediata dai sistemi che anticipano preferenze, orientano comportamenti e mettono in evidenza tutto ciò che è rilevante.

L’evoluzione dei sistemi di raccomandazione predittiva riqualifica le strutture che sorreggono le alchimie per un corretto sviluppo cognitivo che renda l’esperienza quotidiana non una semplice aggregazione di percezioni ma una qualificata competenza nello sviluppo di significati soddisfacenti. L’analisi computazionale dei sistemi di raccomandazione costituisce il primo perno dello studio messo in atto, tecniche di audit algoritmico, simulazione esperienziali controllate e reverse engineering si è proceduto alla valutazione delle basi portanti dei modelli predittivi, le metriche di ottimizzazione della personalizzazione dinamica che divengono la bussola che guida la selezione delle inferenze significative.

Il contributo si pone come obiettivo di analizzare l’autoregolazione algoritmica nei sistemi educativi, come fenomeno interdisciplinare, situato all’intersezione tra scienze cognitive, filosofia della mente, la pedagogia del digitale ed etica dell’IA. Lo scopo è quello di esplorare come i sistemi di raccomandazione riconfigurino le pratiche nella gestione attentiva, quali conflitti possano nascere tra autonomia e nudging algoritmico, intesa come “spinte gentili” per influenzare le decisioni dell’uomo attraverso piccoli suggerimenti, per costruire ambienti digitali che sostengano l’attenzione nell’ecosistema frammentato digitale. La discussione intende delineare un focus di indagine capace di affrontare le implicazioni cognitive, politiche di integrazione fra processi di autoregolazione e predittività algoritmica. Altresì questo lavoro vuole provocare nella società moderna aree di discussione attiva, che si concentri sugli effetti benefici di un utilizzo consapevole di tali dispositivi non tralasciando la natura biologicamente innata degli attori che vivono e crescono insieme ai dispositivi ipermediali. Riconoscere il confine epistemologico e la natura degli ecosistemi multidimensionali permette a chi ne utilizza di regolare le forme con cui si riconoscono fattori di incidenza positiva con i caratteri distorsori della conoscenza.

Riferimenti bibliografici

Beer, D., (2018), The social power of algorithims, Routledge, New York, http://doi.org/10.4324/9781351200677;

Bruineberg, J. (2025), Rethinking the cognitive foundation of the attention economy, Philosophical Psychology, https://doi.org/10.1080/09515089.2025.2502428;

Campo, E., (2020), La testa altrove. L’attenzione e la sua crisi nella società digitale, Donzelli Editore, Roma;

Chirayath, G., Premamalini, K., Joseph, J. (2025), Cognitive offloadingor cognitive overload? How AI alters the mental architecture of coping, Frontiers in Psychology, https://doi.org/10.3389/fpsyg.2025.1699320;

Clark, A., & Chalmers, D., (1998), The extended Mind, Analysis, 58(1), 7 – 19.

Del Valle, J., I., Lara, F. (2023), AI-power recommender system and the preservation of personal autonomy, AI & Society, Springer nature Link, Volume (39), p. 2479-2491;

Dewey, J. (1961), How We Think, La Nuova Italia, Firenze;

Floridi, L., (2022), Etica dell’Intelligenza Artificiale. Sviluppi, opportunità, sfide, Raffaello Cortina Editore, Milano;

Kahneman, D., Nuova Ed., (2020), Pensieri lenti e veloci, Mondadori, Milano;

Krook, J., Blockx, J. (2023), Recommender System, Autonomy and User Engagement, ACM Conference Tas: Symposium on Trustworthy Autonomous System;

Loewenstein, G., Wojtowicz, Z., The Economics of attention, Journal of Economic Literature, http://doi.org/10.1257/jel.20241665;

Risko, E., F., Gilbert, S., J. (2016), Cognitive Offloading, ScinceDirect, Trend in Cognitive Science, http://doi.org/10.1016/j.tics.2016.07.002

Rouvroy, A., Berns, T. (2013), Algorithmic govermentality and prospects of emancipation. Disparateness as a precondition for individuation throughrelationship? CAIRN INFO, Hunanities & Social Sciences;

Schuster, N., Lazar, S. (2024), Attention, moral skill, and algorithmic recommendation, Philosophical Studies, 182 (1), PhilPapers, http://doi.org/10.1007/s11098-023-02083-6;

Sweller, J., (2020), Cognitive load theory and educational technology, Springer Nature Link;

Skulmowski, A., Man Xu, K., (2022), Understanding cognitive load in digital and online learning: A new perspective of extraneous cognitive load, Springer Nature Link;

Suazo Galdames, I., C., Velasquez, M., S., Saracostti, M., Chaple Gil, A., M. (2026), Beteween cognitive offloadingand critical autonomy: a systematic review of the epistemic implication of Generative AI in higher education, Frontiers in Education, http://doi.org/10.3389/feduc.2026.1878665;

Thaler, R., H., Sunstein, C., R. (2022), Nudge. La spinta gentile. La nuova strategia per migliorare le nostre decisioni su denaro, salute e felicità, Editore Feltrinelli, Milano;

Van Dijck, j., Poell, T., De Waal, M. (2018), The Platform Society. Public values in a connective World, Oxford University Press;

##submission.downloads##

Pubblicato

2026-11-19

Come citare

Cappello, A. (2026). Algorithmic self-regulation: how predictive recommendation systems are reconfiguring attention, cognitive load, and self-determination practices in the digital ecosystem. Journal of Inclusive Methodology and Technology in Learning and Teaching, 6(3). Recuperato da https://www.inclusiveteaching.it/index.php/inclusiveteaching/article/view/801