Mengatur bacaan di X: panduan memahami algoritma untuk pembaca

Kamu membuka X untuk mencari kabar teknologi. Beberapa menit kemudian, yang terbaca justru pertengkaran, promosi, dan topik yang tidak ada hubungannya dengan tujuan awal. Sebagian muncul dari akun yang kamu ikuti. Sebagian lain datang sebagai rekomendasi. Aktivitas kamu selama membaca ikut memberi sistem bahan untuk memilih bacaan berikutnya.

Panduan ini membantu kamu menata sumber bacaan, memahami sinyal yang kamu kirim, dan mengurangi rekomendasi yang melenceng. Contohnya memakai kebutuhan informasi teknologi. Kamu bisa mengganti topiknya dengan bidang yang sedang kamu pelajari.

Dasar dan cakupan panduan

Panduan ini mengacu pada dokumentasi dan implementasi algoritma dalam repositori publik X, serta dokumentasi resmi fitur X. Penjelasannya mencakup pemilihan kandidat, sinyal aktivitas, pemeringkatan, umpan balik, dan penyaringan.

Implementasi yang dipublikasikan menjelaskan cara kerja sejumlah komponen, tetapi tidak mewakili seluruh konfigurasi dan eksperimen yang aktif pada setiap akun. Besarnya pengaruh suatu interaksi dan kecepatan perubahan rekomendasi dapat berbeda. Karena itu, gunakan langkah-langkah di sini untuk menata pengalaman membaca, bukan sebagai rumus pasti untuk mengubah feed.

Nama menu dan ketersediaan fitur dapat berbeda menurut perangkat, wilayah, dan versi aplikasi. Rincian sumber serta cakupan pemeriksaan tersedia pada bagian referensi.

1. Tentukan apa yang perlu kamu baca

“Teknologi” masih terlalu luas. Kamu bisa menyukai pengumuman gawai, tetapi sedang membutuhkan informasi keamanan akun. Keduanya bisa masuk kategori teknologi dan menghasilkan kebiasaan baca yang berbeda.

Sebelum mengubah follow atau like, tulis pertanyaan yang ingin kamu jawab lewat X.

Kebutuhan kamu	Bacaan yang layak dicari	Bacaan yang perlu dibatasi
Memilih alat AI untuk pekerjaan	Dokumentasi produk, uji penggunaan dengan metode yang jelas, biaya, batasan, privasi	Klaim “alat ini menggantikan semua pekerjaan” tanpa contoh atau bukti
Memahami keamanan digital	Peringatan dari sumber primer, penjelasan dampak, langkah perlindungan	Tangkapan layar yang menakutkan tanpa tautan dan tanggal
Mengikuti perkembangan perangkat lunak	Catatan rilis, pengalaman implementasi, perubahan kompatibilitas	Debat merek yang tidak membantu keputusan kamu

Kamu tetap boleh membaca hiburan. Pisahkan sesi atau List-nya supaya kamu tahu kapan sedang belajar dan kapan sedang bersantai. Pemisahan List membantu memilih bacaan, tetapi tidak mengisolasi seluruh sinyal akun. Aktivitas di berbagai bagian X masih dapat tercatat.

Contoh tujuan: “Saya ingin memahami perkembangan AI yang relevan untuk pekerjaan saya, memeriksa sumbernya, lalu menyimpan satu catatan yang bisa dipakai.” {color="gray_bg"}

Angka atau durasi yang kamu tetapkan untuk kebiasaan ini adalah batas pribadi. Itu bukan syarat algoritma.

2. Pilih jalur baca yang sesuai

For You bukan satu-satunya cara menggunakan X. Home Mixer, layanan penyusun timeline, memiliki jalur terpisah untuk For You, Following, dan Lists. Search serta Trends melayani kebutuhan penelusuran yang berbeda.

Sumber: dokumentasi layanan penyusun timeline X, panduan resmi pencarian lanjutan, dan penjelasan resmi rekomendasi Explore.

Jalur	Cara kerja dalam implementasi acuan dan dokumentasi X	Cocok digunakan ketika
For You	Menggabungkan post dari akun yang diikuti dengan rekomendasi di luar jaringan. Kandidat dinilai dan diatur ulang	Kamu ingin menemukan sumber baru dan siap memilah hasilnya
Following	Post dari akun yang kamu ikuti disusun dari yang terbaru dalam implementasi Home Mixer	Kamu ingin mengikuti perkembangan sumber yang sudah dipilih
Lists	Post anggota List disusun dari yang terbaru dalam implementasi Home Mixer	Kamu ingin membaca satu bidang dari kumpulan akun tertentu
Search	Menemukan post berdasarkan pencarian. Kata, akun, bahasa, dan tanggal dapat dipersempit	Kamu sudah punya pertanyaan atau peristiwa yang ingin ditelusuri
Explore / Trends	Menunjukkan percakapan yang sedang meningkat, dengan versi personal maupun berbasis wilayah	Kamu ingin mengetahui apa yang sedang ramai dan memeriksa konteksnya

Following dan Lists memberi kamu kontrol lebih langsung atas kumpulan penulis. Kamu tetap perlu memeriksa kebenaran informasinya. Implementasi Home Mixer juga menyediakan penempatan iklan pada kedua jalur tersebut, sehingga urutan kronologis tidak berarti bebas iklan.

Rutinitas yang disarankan: buka List untuk kebutuhan utama, gunakan Search untuk menjawab pertanyaan, lalu buka For You jika ingin menemukan sumber tambahan. Kamu tidak perlu menunggu rekomendasi membaik untuk mulai membaca sesuai kebutuhan.

3. Bagaimana sebuah post sampai ke For You

Saat kamu membuka feed, sistem mencari calon post dari beberapa sumber. Ia mengambil informasi pendukung, memprediksi respons kamu, menjalankan filter dan penyesuaian, lalu menyusun layar akhir.

Dasar diagram: dokumentasi teknis layanan Home Mixer, khususnya penjelasan tahapan dan susunan alur rekomendasi. Diagram menyederhanakan cara kerja yang didokumentasikan, bukan menampilkan hasil pengukuran feed pengguna.

Klik tahap pada diagram untuk melihat hubungannya dengan tindakan kamu.

Calon bacaan berasal dari beberapa jalur

Akun yang kamu ikuti. Sistem mengambil calon post dari akun yang kamu follow melalui indeks pencarian, yaitu tempat post disimpan agar dapat ditemukan kembali. Komponen pencarian ini bernama Earlybird. Pilihan akun kamu memengaruhi kumpulan bacaan yang diambil dari jalur ini.

Hubungan interaksi. Sistem juga menggunakan peta hubungan antara pengguna dan post berdasarkan aktivitas mereka. Komponen yang mengelola peta ini bernama User Tweet Entity Graph, disingkat UTEG. Aktivitas orang-orang dalam jaringan dapat membantu menemukan post dari akun yang tidak kamu ikuti langsung.

Kemiripan minat. Pola follow dan interaksi dapat diolah menjadi kumpulan angka yang mewakili minat pengguna. Salah satu metode pembentuknya bernama SimClusters, yang dibahas lebih lanjut pada bagian 5. Sistem membandingkan representasi ini untuk menemukan post atau akun yang dekat dengan pola minat kamu.

Beberapa layanan bekerja bersama dalam tahap pencarian kandidat. Tweet Mixer mengoordinasikan pengambilan kandidat dari berbagai sumber. Follow Recommendations Service, disingkat FRS, menyediakan rekomendasi akun yang juga dapat digunakan dalam jalur pencarian bacaan.

Daftar itu cukup untuk menjelaskan mengapa post dari akun asing bisa muncul. Kamu tidak perlu pernah menyukai akun tersebut. Kandidatnya bisa masuk melalui jaringan atau kemiripan perilaku.

Istilah teknis yang berguna

Candidate sourcing: mengambil sekumpulan calon post sebelum memilih yang akan ditampilkan.
Feature: informasi yang digunakan model, seperti hubungan pengguna, konteks post, atau riwayat aktivitas.
Feature hydration: melengkapi kandidat dengan informasi tersebut dari layanan lain.
Ranking: memberi penilaian untuk menentukan prioritas kandidat.
Rescoring: menyesuaikan skor, misalnya agar satu penulis tidak mendominasi.
Filtering: mengeluarkan atau membatasi kandidat berdasarkan aturan tertentu.
Mixing: menyusun post bersama komponen lain, termasuk iklan dan rekomendasi akun.

Diagram menyederhanakan alur untuk pembaca. Pada implementasi sebenarnya, beberapa filter berjalan sebelum penilaian. Kode juga memiliki jalur cadangan dan jalur bersyarat.

Mengapa feed tidak sama dengan daftar skor terbesar

Home Mixer memiliki penyesuaian untuk keragaman penulis, konten yang sudah terlihat, umpan balik, serta penyaringan visibilitas. Layar akhir juga dapat memuat iklan dan modul percakapan.

Artinya, dua post dengan prediksi engagement berbeda belum tentu muncul dalam urutan yang bisa kamu tebak dari satu tindakan saja. Screenshot sebuah feed tidak cukup untuk menyimpulkan bobot algoritma.

4. Apa yang sistem bisa baca dari aktivitas kamu

Sistem membedakan tindakan eksplisit, seperti like dan follow, dengan aktivitas selama membaca, seperti klik dan kunjungan profil.

Dua komponen teknis membantu mengelola aktivitas tersebut. User Signal Service (USS) adalah layanan yang menyediakan sinyal perilaku untuk pencarian calon post dan penilaian rekomendasi. Unified User Actions (UUA) adalah aliran data yang menghimpun berbagai tindakan pengguna. Keduanya merupakan nama komponen perangkat lunak, bukan jenis pengaturan yang perlu kamu aktifkan.

Ada perbedaan penting antara tindakan tercatat, tindakan dipakai sebagai masukan, dan tindakan diprediksi oleh model. Ketiganya menunjukkan peran yang berbeda. Tindakan yang tercatat belum tentu menjadi faktor utama dalam rekomendasi kamu.

Sumber tabel: daftar sinyal untuk pencarian calon post, dokumentasi layanan sinyal perilaku, dokumentasi pencatatan tindakan pengguna, dan berkas kode yang mendefinisikan keluaran prediksi model. Kolom saran membantu kamu menerapkan penjelasan tersebut, bukan menunjukkan bobot resmi setiap tindakan.

Aktivitas kamu	Peran dalam implementasi acuan	Cara menggunakannya sebagai pembaca
Follow	Sinyal pengambilan kandidat dan dasar hubungan pada representasi minat	Pilih sumber yang berguna secara berulang, bukan hanya satu post viral
Unfollow	Dicatat dalam daftar sinyal USS	Keluarkan akun yang tidak lagi kamu perlukan. Unfollow tidak menghapus seluruh riwayat lama
Like	Sinyal kandidat, pembaruan representasi post pada SimClusters, dan keluaran prediksi model	Beri apresiasi pada tulisan yang benar-benar layak kamu baca lagi
Unlike	Ada dalam daftar sinyal. Pemakaiannya berbeda antar komponen	Koreksi like yang keliru, tanpa menganggapnya tombol hapus jejak minat
Reply	Tercatat sebagai interaksi dan menjadi keluaran prediksi	Bertanya atau berdiskusi saat ada kebutuhan. Jangan membuat komentar kosong untuk “melatih” feed
Repost / quote post	Tercatat dalam jalur sinyal kandidat. Model juga memprediksi repost	Bagikan setelah memeriksa klaim dan konteks. Quote untuk mengejek tetap merupakan interaksi
Share	Sinyal USS dan keluaran prediksi model	Gunakan bila ada orang yang memang membutuhkan bacaan itu. Tidak perlu membagikan semua temuan
Bookmark	Tercantum sebagai sinyal dan peristiwa UUA, serta memiliki keluaran prediksi bookmark	Simpan bacaan untuk digunakan. Jangan menganggap tindakan ini bebas sinyal hanya karena tidak menjadi endorsement publik
Klik post / percakapan	Termasuk sinyal implisit dan jalur prediksi klik yang berkaitan dengan engagement atau dwell	Buka untuk memahami isi atau mengecek sumber. Hindari membuka setiap bait karena penasaran
Kunjungan profil	Kunjungan profil tercatat dalam layanan sinyal dan agregasi hubungan antar akun. Model juga memiliki prediksi klik profil disertai interaksi	Nilai sumber sebelum follow. Kunjungan berulang karena kesal tetap dapat tercatat
Waktu melihat / membaca, disebut dwell	Terdapat keluaran prediksi dwell serta agregasi aktivitas	Baca dengan wajar. Tidak ada dasar untuk mewajibkan kamu menahan layar selama sekian detik
Menonton video	Ada sinyal tontonan dan beberapa keluaran prediksi terkait video	Matikan autoplay jika kamu ingin sesi lebih berfokus pada teks
Not interested / umpan balik negatif	Ada mekanisme pencatatan ketidaktertarikan dan permintaan untuk menampilkan lebih sedikit dari sumber tertentu	Pilih umpan balik yang sesuai ketika rekomendasi melenceng
Mute / block	Daftar sinyal serta aturan visibilitas memiliki penanganan akun yang dibisukan atau diblokir	Gunakan untuk batas akun tertentu. Periksa cakupan dan kebijakan X saat ini

Kamu bisa memberi sinyal tanpa menyukai isinya

Misalnya, kamu terus membuka balasan sebuah post yang membuat kesal. Meskipun kamu tidak memberi like, klik dan waktu yang dihabiskan tetap dapat menjadi bagian dari riwayat aktivitas yang digunakan sistem rekomendasi.

Komentar bernada marah tidak selalu menghasilkan lebih banyak rekomendasi bertopik sama. Namun, sistem dapat mengenali interaksi tanpa memahami sepenuhnya alasan kamu melakukannya. Berulang kali membuka, membaca, dan membalas percakapan yang mengganggu dapat memberi sinyal ketertarikan, meskipun tujuan kamu justru menolaknya. Untuk mengurangi topik tersebut, gunakan umpan balik yang sesuai dan batasi keterlibatan yang tidak diperlukan.

Saat perlu mengoreksi informasi atau membela seseorang, kamu tetap bisa melakukannya. Pertimbangkan tujuannya, waktu yang dihabiskan, dan kemungkinan interaksi itu menjadi bagian dari riwayat kamu.

Bookmark untuk riset: boleh, tetapi pahami konsekuensinya

Bookmark berguna untuk mengumpulkan bacaan, tetapi bukan tindakan yang sepenuhnya terpisah dari personalisasi. Implementasi model memiliki keluaran prediksi bookmark, sehingga aktivitas ini berpotensi berperan dalam penilaian rekomendasi.

Sumber: definisi prediksi bookmark dalam kode model. Definisi ini menunjukkan bahwa model memiliki keluaran terkait bookmark, tetapi tidak menetapkan besar pengaruhnya pada setiap akun.

Jika kamu hanya ingin menyimpan bukti klaim yang belum dipercaya, salin tautannya ke catatan pribadi. Ini menghindari tindakan bookmark di X, tetapi tidak membatalkan klik atau aktivitas yang sudah terjadi. Menyimpan di luar X juga bukan mode anonim.

Apa pun tempat penyimpanannya, tambahkan status: belum dicek, sudah dicek, atau siap digunakan. Tumpukan bookmark yang tidak pernah dibaca tidak membantu tujuan belajar kamu.

5. Bagaimana sistem memperkirakan minat kamu

Pola follow membantu membentuk perkiraan minat

SimClusters adalah metode yang membentuk representasi pengguna dan konten berdasarkan komunitas dengan pola hubungan yang mirip. Misalnya, sejumlah akun diikuti oleh kelompok pembaca yang serupa. Kesamaan tersebut dapat membantu mengidentifikasi komunitas, sementara satu pembaca dapat memiliki ketertarikan pada beberapa komunitas sekaligus.

Hubungan follow dapat ditulis sebagai matriks, yaitu susunan angka dalam baris dan kolom. Satu matriks menunjukkan hubungan pembaca dengan akun yang diikuti. Matriks lain menunjukkan afiliasi akun tersebut dengan komunitas. Perkalian keduanya menghasilkan representasi minat pembaca:

U = A V

$A$ mewakili hubungan antara pembaca dan akun yang diikuti.
$V$ mewakili afiliasi komunitas akun tersebut, disebut Known For pada penjelasan ini.
$U$ menjadi representasi ketertarikan pembaca, disebut Interested In.

Proses tersebut juga mengurangi noise, yaitu hubungan atau nilai yang terlalu lemah untuk membantu mengenali pola. Rumus ini menjelaskan satu tahap pembentukan representasi minat, bukan seluruh perhitungan For You.

Sumber: dokumentasi teknis metode SimClusters. Bagian pembentukan representasi pembaca menjelaskan perkalian matriks di atas. Bagian representasi post menjelaskan pembaruan melalui like.

Dalam SimClusters, representasi sebuah post diperbarui ketika mendapat like. Representasi minat pengguna yang memberi like ditambahkan ke representasi post tersebut. Sistem kemudian membandingkan kemiripan representasi untuk membantu memilih calon rekomendasi.

Konsekuensi praktisnya: memilih penulis dengan sengaja dan memberi like secara selektif lebih masuk akal daripada menyukai semua post yang kebetulan bertema teknologi. Topik yang sama bisa mencakup berita, promosi, humor, atau perdebatan.

Apa arti “mirip” secara matematika?

Salah satu ukuran kemiripan yang digunakan dalam metode ini adalah cosine similarity. Ukuran tersebut membandingkan arah dua vektor, yaitu dua kumpulan nilai yang mewakili pola tertentu:

\cos (a, b) = \frac{a \cdot b}{‖ a ‖ ‖ b ‖}

Vektor adalah kumpulan nilai yang mewakili suatu objek dalam ruang fitur. Dot product pada pembilang membandingkan komponen kedua vektor. Panjang vektor pada penyebut membantu memisahkan kesamaan arah dari sekadar besar nilainya. Rumus ini memerlukan kedua vektor tidak nol.

Sumber penggunaan ukuran ini: dokumentasi teknis SimClusters tentang pengenalan komunitas dan representasi akun.

Dalam konteks rekomendasi, vektor dapat mewakili pola hubungan atau minat. “Mirip” di sini tidak berarti dua post mengatakan hal yang sama, sama benarnya, atau sama bermanfaatnya bagi kamu. Sistem membandingkan representasi yang dibangun dari data.

Kamu tidak bisa mengetik nilai vektor minat sendiri dari antarmuka biasa. Pengaruh kamu datang melalui pilihan sumber, aktivitas, dan kontrol produk yang tersedia.

Hubungan antar akun ikut memengaruhi perkiraan

Real Graph adalah model yang memperkirakan kemungkinan satu pengguna berinteraksi dengan pengguna lain. Data pendukungnya dihimpun dari interaksi publik, seperti like dan repost, serta aktivitas lain, seperti klik post dan kunjungan profil.

Riwayat interaksi digabungkan dengan peluruhan waktu: sebagian aktivitas lama diberi pengaruh yang semakin kecil. Dengan cara ini, sistem tidak hanya melihat apakah kamu pernah berinteraksi dengan suatu akun, tetapi juga pola hubungan yang terbentuk dari waktu ke waktu.

Sumber: dokumentasi teknis model hubungan antar akun dan penggabungan riwayat interaksinya.

Maka, perhatikan juga siapa yang kamu baca berulang kali. Sebuah akun bisa sesekali membahas teknologi, tetapi lebih sering mengajak debat yang tidak kamu butuhkan.

Peluruhan waktu berarti sebagian riwayat diberi pengaruh yang menurun. Itu tidak berarti semua minat lama otomatis hilang setelah periode yang sama.

6. Skor rekomendasi tidak mengukur kebutuhan belajar kamu

Model pada implementasi acuan memprediksi beberapa respons: like, reply, repost, bookmark, share, dwell, klik tertentu, tontonan video, serta umpan balik negatif.

Sumber: berkas kode yang mendefinisikan jenis respons yang diprediksi dan fungsi kode yang menggabungkan prediksi dengan bobotnya.

Cara paling sederhana memahami bagian positif dari penggabungan skor adalah:

S_{+} = \sum_{i : w_{i} \geq 0} w_{i} p_{i}

$p_{i}$ adalah keluaran prediksi untuk respons tertentu, sedangkan $w_{i}$ adalah bobotnya. Untuk respons berbentuk peristiwa, keluaran itu dapat merepresentasikan peluang respons. Sebagian keluaran lain berkaitan dengan durasi atau target video, sehingga semuanya tidak boleh diperlakukan sebagai peluang dengan arti yang identik.

Yang dinilai adalah respons yang diprediksi terhadap sebuah kandidat. Kode tidak sedang menghitung “kamu mendapat satu poin setelah menekan like”. Aktivitas kamu bisa menjadi masukan bagi penilaian berikutnya, tetapi hubungan itu tidak sama dengan tabel poin tetap.

Bagian teknis yang disederhanakan oleh rumus di atas

Fungsi penggabungan skor dalam kode bernama RerankerUtil.aggregateWeightedScores. Fungsi ini menggabungkan keluaran prediksi dengan bobotnya. Untuk bobot negatif, perhitungan dapat menggunakan perkalian biasa atau aturan ambang. Sebagian aturan membandingkan skor dengan nilai maksimum pada kumpulan calon post. Jalur yang digunakan bergantung pada pilihan konfigurasi.

Perhitungan juga menangani skor gabungan negatif dan menambahkan konstanta kecil pada jalur tertentu. Komponen penyesuaian skor bernama HeuristicScorer dapat mengalikan faktor untuk keragaman penulis, umpan balik, dan aturan lain. Ada pula jalur pemeringkatan alternatif bernama Phoenix yang penggunaannya bergantung pada konfigurasi.

Jadi, $S_{+}$ hanya menjelaskan penjumlahan komponen berbobot nonnegatif. Ia bukan reproduksi skor produksi dan tidak cukup untuk memprediksi urutan feed akun kamu.

Post yang membuat kamu bertahan lama bisa mendapat prediksi respons yang tinggi tanpa membantu pekerjaan kamu. Karena itu, kamu tetap perlu menentukan manfaatnya sendiri: apakah ada pengetahuan baru, sumber yang bisa diperiksa, atau keputusan yang menjadi lebih jelas?

7. Umpan balik, mute, dan unfollow bekerja berbeda

Gunakan kontrol sesuai masalahnya. Tidak semua gangguan perlu ditangani dengan tombol yang sama.

Sumber fitur pada tabel: pendekatan rekomendasi dan Not interested, mute akun, serta muted words dan mute percakapan. Penjelasan SeeFewer di bawah bersumber dari kode, bukan dari anggapan bahwa semua tombol tersebut sama.

Masalah	Tindakan yang paling langsung	Batas yang perlu diingat
Satu rekomendasi tidak relevan	Not interested pada menu post	Sinyal untuk mengurangi rekomendasi sejenis, bukan jaminan seluruh topik hilang
Sumber rekomendasi berulang tidak kamu perlukan	Opsi menampilkan lebih sedikit dari penulis, jika tersedia	Jalur SeeFewer berbeda dari mute permanen dan dari DontLike umum
Satu akun terus mengganggu	Mute akun	Kamu masih perlu memahami pengecualian pada interaksi atau permukaan lain
Akun dalam Following tidak lagi dibutuhkan	Unfollow, atau mute jika ingin tetap mengikuti tanpa melihat post-nya	Keduanya mengubah hal yang berbeda. Riwayat lama tidak otomatis terhapus
Frasa, nama, atau hashtag tertentu mengganggu	Muted words	Bekerja berdasarkan kecocokan kata dan cakupan pilihan, bukan pemahaman seluruh topik
Percakapan mengirim notifikasi terus-menerus	Mute this conversation	Mengurangi notifikasi percakapan, bukan menghapus seluruh kemunculannya di timeline
Ada pelanggaran aturan	Report dengan alasan yang sesuai	Jangan menggunakan report massal untuk konten yang sekadar tidak kamu sukai
Kamu perlu batas interaksi dengan akun	Block sesuai kebutuhan	Periksa kebijakan saat ini. Jangan menyimpulkan akun publik menjadi tidak dapat dibaca sama sekali

Pengaruh permintaan “tampilkan lebih sedikit” dapat berkurang

SeeFewer adalah nama teknis untuk jenis umpan balik tertentu yang meminta lebih sedikit rekomendasi dari sumber terkait. Nama ini digunakan dalam kode dan belum tentu tampil persis demikian di menu aplikasi.

Dalam implementasi acuan, sebuah komponen penilaian mengurangi skor calon post yang cocok dengan umpan balik tersebut. Untuk satu faktor yang cocok, pengali dimulai pada 0,2 dan naik seiring waktu hingga masa pengurangan berakhir pada 140 hari. Komponen ini bernama FeedbackFatigueScorer.

Sumber angka, rumus, dan grafik: berkas kode pengurangan skor berdasarkan umpan balik SeeFewer. Rincian perhitungannya tersedia pada lampiran bukti.

Grafik memperlihatkan perubahan satu pengali skor, bukan peluang sebuah post muncul. Perhitungan ini berlaku untuk mekanisme SeeFewer yang dijelaskan, bukan untuk semua bentuk Not interested. Durasi pada grafik merupakan parameter implementasi acuan, bukan jadwal perubahan feed setiap akun.

Waktu sejak entri SeeFewer yang cocok	Pengali satu faktor skor dalam implementasi ini
Hari 0	0,2×
Hari 35	0,4×
Hari 70	0,6×
Hari 105	0,8×
Hari 140	1,0×, netral karena entri keluar dari jendela diskon

Rumus dan syarat grafik

Untuk $t$ berupa usia umpan balik dalam hari, satu faktor dapat diringkas sebagai:

m (t) = {\begin{matrix} 0,2 + 0,8 \frac{t}{140}, & 0 \leq t < 140 \\ 1, & t \geq 140 \end{matrix}

Grafik mengambil sampel berkala dari rumus ini. Kode memakai usia dalam hari. Pengali netral 1 setelah kedaluwarsa berasal dari tidak adanya diskon yang cocok lagi.

Syaratnya: jenis umpan balik adalah SeeFewer, entri terkait pengguna cocok dengan kandidat, dan tidak ada entri baru yang mengubah riwayat. Ini bukan konversi otomatis dari semua tombol DontLike atau Not interested.

Kode dapat mengalikan beberapa faktor, termasuk penulis asli, konteks liker, follower, atau akun yang melakukan repost, dengan syarat kecocokan masing-masing. Grafik hanya menampilkan satu faktor. Ia tidak menghitung seluruh skor akhir.

Pada skor dasar positif, pengali 0,2 mempertahankan 20% skor dasar sebelum faktor lain. Itu bukan berarti post akan muncul pada 20% permintaan. Ada pula komponen penyaring bernama FeedbackFatigueFilter dengan durasi awal 14 hari pada implementasi acuan. Penyaringan kandidat dan pengurangan skor merupakan mekanisme berbeda.

Durasi 140 dan 14 hari mengacu pada dua mekanisme berbeda. Keduanya tidak menetapkan batas waktu untuk menghapus riwayat minat atau mengatur ulang seluruh rekomendasi.

Kalau kamu ingin menjaga batas terhadap satu akun dalam jangka panjang, mute atau unfollow lebih langsung daripada mengandalkan satu umpan balik lama. Tetap periksa daftar mute secara berkala agar sumber berguna tidak ikut tertutup.

8. Langkah pengaturan yang bisa kamu lakukan

Nama menu berikut memakai istilah bahasa Inggris agar mudah dicocokkan. Tampilan web dan aplikasi dapat berbeda. Jika opsi tidak tersedia, gunakan alternatif yang disebutkan, bukan aplikasi pihak ketiga yang meminta akses akun tanpa alasan jelas.

Rujukan untuk setiap langkah:

A, membuat List: How to use X Lists.
B, memilih Following dan mute: For You / Following dan How to mute accounts.
C, Not interested: Our approach to recommendations.
D, kata dan percakapan: Advanced muting options.
E, Topics dan Interests: Topics on X.
F, autoplay: How to share and watch videos.
G, pencarian: How to use advanced search.

Nama List contoh, urutan rutinitas, dan pilihan sumber merupakan saran panduan ini.

A. Buat List untuk kebutuhan utama

Buka Lists, lalu pilih tombol membuat List baru.
Beri nama yang cukup spesifik, misalnya AI untuk kerja atau Keamanan digital.
Pilih Private jika kamu tidak ingin daftar kurasi ini terlihat publik. Dokumentasi X menyebut List baru secara default bersifat publik.
Tambahkan sumber yang kamu nilai layak. Periksa identitas, contoh tulisan, dan kebiasaan menyertakan bukti.
Jika tersedia, pin List agar mudah dibuka dari navigasi timeline.

Kamu dapat memakai beberapa jenis sumber dalam satu List: sumber primer, orang yang menjelaskan penerapan, dan penguji kritis. Jangan hanya mengumpulkan akun yang saling mengutip.

B. Rapikan akun yang kamu ikuti

Periksa akun yang paling sering memenuhi layar. Apakah post mereka membantu tujuan pada bagian pertama? Jika tidak, pilih unfollow. Kalau kamu ingin mempertahankan hubungan follow tetapi tidak membaca post-nya, pertimbangkan mute.

Tidak perlu melakukan follow dan unfollow massal. Mulai dari akun yang paling jelas tidak relevan. Setelah membaca beberapa post dari sumber baru, kamu punya dasar yang lebih baik untuk memutuskan apakah akan mengikuti akun tersebut.

C. Beri umpan balik pada rekomendasi yang melenceng

Buka menu tiga titik pada post rekomendasi, lalu cari Not interested in this post atau padanan yang tersedia. Jika ada pilihan lanjutan tentang penulis atau topik, pilih alasan yang benar-benar sesuai.

Kamu tidak perlu membuka semua balasan sebelum memberi umpan balik. Jika post ternyata memiliki konteks penting, periksa secukupnya. Setelah itu, kembali ke tujuan baca.

D. Gunakan muted words secara spesifik

Pada jalur web yang dijelaskan dokumentasi X: More → Settings and privacy → Privacy and safety → Mute and block → Muted words. Tambahkan frasa atau hashtag, lalu pilih cakupan Home timeline, Notifications, atau keduanya sesuai opsi yang tersedia.

Pilih durasi sementara untuk gangguan yang mungkin berlalu. Gunakan durasi lebih lama bila memang diperlukan. Periksa hasilnya sebelum memperluas daftar kata.

Jangan langsung membisukan kata “AI” jika kamu membutuhkan berita AI. Bisukan frasa gangguan yang lebih spesifik. Kata yang terlalu luas dapat menghilangkan bacaan berguna. Teks dalam gambar, istilah lain, atau post tanpa kata tersebut juga dapat lolos.

Dokumentasi X menyebut muted words masih dapat muncul lewat search. Ada pula pengecualian untuk notifikasi post dari akun yang sengaja kamu aktifkan. Jangan menganggap satu pengaturan berlaku merata pada semua permukaan.

E. Periksa Topics dan Interests jika tersedia

Dokumentasi X menyediakan pengaturan untuk mengikuti atau berhenti mengikuti Topics, serta memilih keluar dari Interests yang tidak sesuai. Cek bagian Topics dan data minat akun kamu jika antarmukanya masih menyediakan pilihan tersebut.

Daftar Interests merupakan perkiraan sistem. Koreksi yang keliru bisa membantu menyampaikan preferensi, tetapi tidak menghapus seluruh riwayat perilaku atau menjamin For You segera berubah. Topics yang diikuti juga dapat terlihat publik sesuai status akun dan kebijakan produk.

Jika pilihan Topics tidak ada di akun kamu, lanjutkan dengan List, follow terpilih, search, dan umpan balik rekomendasi. Kamu tidak perlu menunggu fitur itu muncul.

F. Matikan autoplay dan kurangi pemicu kembali

Untuk aplikasi, dokumentasi X menjelaskan jalur Settings and privacy → Accessibility, display, and languages → Data usage → Video autoplay → Never. Pengaturan autoplay web dan aplikasi dapat diatur terpisah, jadi periksa perangkat yang kamu pakai.

Kurangi notifikasi rekomendasi atau percakapan yang tidak diperlukan melalui pengaturan Notifications. Pertahankan notifikasi hanya untuk sumber yang memang perlu kamu pantau.

Tujuannya mengurangi gangguan selama membaca. Ini bukan bukti bahwa personalisasi berhenti bekerja.

G. Cari berdasarkan pertanyaan, bukan hanya kategori

Bandingkan pencarian luas “AI” dengan pertanyaan seperti “bagaimana data pelanggan dipakai oleh alat ini?”. Dari sana, persempit dengan nama produk, frasa tepat, akun sumber, bahasa, dan tanggal melalui pencarian lanjutan bila tersedia.

Gunakan tab Latest jika tersedia untuk menelusuri urutan terbaru. Gunakan hasil yang diprioritaskan sistem untuk penemuan awal, lalu periksa sumbernya. Kedua jenis hasil bisa mengandung promosi atau klaim yang belum benar.

Contoh jalur pencarian untuk informasi teknologi

Cari nama produk atau peristiwa, ditambah frasa yang kamu perlukan, misalnya privacy policy atau release notes.
Temukan post yang mengarah ke dokumentasi asli.
Buka dokumennya dan cek tanggal serta batasan klaim.
Cari penjelasan independen atau pengalaman penggunaan yang menyebut metode.
Simpan catatan yang membedakan fakta, klaim penulis, dan pertanyaan yang belum terjawab.

Sebuah utas yang mudah dibaca boleh menjadi pintu masuk. Untuk keputusan tentang biaya, keamanan, atau pekerjaan, lanjutkan ke sumber primer.

9. Trends personal tetap bisa memuat hal di luar minat kamu

Trends menjawab pertanyaan tentang percakapan yang sedang meningkat. Dalam dokumentasi X, rekomendasinya dapat dipengaruhi Topics, engagement terbaru, kesamaan minat dengan kelompok pengguna, dan lokasi.

Sumber: Trends Recommendations, bagian How does X decide which Trends to show you. Perbedaan Explore For You dan Trending berbasis wilayah dijelaskan pada Explore Recommendations.

For You di Explore dapat memuat rekomendasi personal. Trending menunjukkan tren pada wilayah tertentu dan dijelaskan sebagai tidak dipersonalisasi untuk setiap akun. Kedua tab ini tidak boleh disamakan dengan For You pada timeline utama.

Jika kamu membaca teknologi, sebagian tren teknologi mungkin terasa lebih relevan. Namun, tidak ada dasar untuk menjamin semua Trends akan berubah menjadi teknologi saja. Peristiwa besar, lokasi, dan pengaturan produk tetap berperan. Tab kategori yang tersedia pun dapat berbeda menurut wilayah.

Yang bisa kamu lakukan:

Pilih lokasi tren yang relevan dengan kebutuhan kamu, jika pengaturannya tersedia. Kamu tidak perlu menyalakan GPS presisi hanya untuk tujuan ini.
Gunakan umpan balik not interested pada tren yang tidak sesuai, jika tersedia. Gunakan harmful or spammy hanya bila alasannya benar.
Ubah Topics yang diikuti jika fitur tersedia.
Untuk pemantauan teknologi yang konsisten, gunakan List dan pencarian spesifik. Trends lebih cocok sebagai bahan pemeriksaan tambahan.

Tren yang tinggi tidak otomatis berarti informasi penting atau benar. Sebelum menyebarkannya, cek apa yang sebenarnya terjadi, siapa sumber awalnya, dan kapan informasi itu diterbitkan.

10. Pilih tindakan saat membaca

Klik situasi yang paling dekat dengan pengalaman kamu. Alat ini memberi alasan di balik pilihan tindakan, tanpa menebak bobot algoritma.

Contoh: kamu membutuhkan kabar AI untuk pekerjaan

Mulai dengan List yang mencakup dokumentasi produk, penjelasan penerapan, dan pengujian kritis. Saat ada kabar fitur baru, buka sumber aslinya. Catat apakah fitur sudah tersedia untuk akun kamu, bagaimana biaya atau batasannya, dan apa yang bisa dicoba.

Like jika tulisannya memang kamu apresiasi. Bookmark jika ingin digunakan kembali. Follow penulis setelah kualitas beberapa post-nya terlihat. Reply ketika kamu perlu bertanya. Share setelah tahu siapa yang membutuhkan informasi itu. Kamu tidak harus melakukan semuanya pada satu post.

Saat For You menampilkan debat merek yang tidak membantu pekerjaan, pilih Not interested. Jika penulisnya terus menjadi sumber gangguan, pertimbangkan mute. Hindari membisukan semua kritik terhadap produk yang kamu pakai. Kritik dengan bukti dapat membantu kamu melihat batasan alat tersebut.

Kalau akun kamu sudah bercampur banyak minat

Mulai dari satu List untuk sesi belajar dan satu aturan berhenti. Rapikan follow secara bertahap. Pengguna yang sudah memiliki riwayat lama tidak perlu menghapus semuanya atau membuat akun baru hanya untuk memulai.

Akun terpisah dapat membantu memisahkan kebiasaan, tetapi menambah pekerjaan pengelolaan dan bukan jaminan isolasi sempurna. Kurasi sumber dalam akun yang ada biasanya lebih mudah dicoba terlebih dahulu.

11. Evaluasi pengalaman membaca selama satu minggu

Gunakan satu minggu sebagai periode awal untuk menilai kebiasaan dan kualitas bacaan. Kamu bisa memperpanjangnya sesuai kebutuhan. Rencana berikut membantu mencatat perubahan pengalaman, tanpa menetapkan tenggat bagi sistem rekomendasi untuk menyesuaikan diri.

Waktu	Yang kamu kerjakan	Yang kamu periksa
Hari pertama	Tulis kebutuhan, ambil sampel feed, buat List, cek autoplay	Seperti apa bacaan awal kamu? Apakah rekomendasinya relevan atau hanya satu kategori?
Hari kedua dan ketiga	Baca dari List, cari sumber primer, rapikan akun yang paling jelas melenceng	Apakah sumber yang dipilih benar-benar membantu?
Hari keempat dan kelima	Gunakan umpan balik pada rekomendasi yang tidak sesuai dan mute yang spesifik bila perlu	Gangguan datang dari akun, tema, kata, iklan, atau notifikasi?
Hari keenam	Periksa catatan dan bookmark	Mana yang dibaca atau digunakan, mana yang hanya dikumpulkan?
Hari ketujuh	Ambil sampel dengan cara yang sama dan tentukan satu perubahan berikutnya	Apakah bacaan lebih berguna, dan apakah kamu lebih mudah berhenti?

Ukur relevansi dengan cara yang sederhana

Ambil, misalnya, 20 post organik pertama pada For You dalam satu sesi. Lewati iklan dan modul rekomendasi akun. Anggap satu post sebagai satu unit dan jangan menghitung balasan dalam percakapan yang dibuka sebagai unit tambahan. Catat mana yang berasal dari akun diikuti dan mana yang direkomendasikan dari luar jaringan.

Gunakan jumlah post yang sama pada evaluasi berikutnya jika memungkinkan. Kalau jumlahnya berbeda, simpan penyebut sebenarnya. Angka 20 adalah ukuran sampel praktis untuk template, bukan parameter algoritma.

Klasifikasikan setiap post ke tepat satu kelompok:

Berguna: membantu pertanyaan atau kebutuhan yang kamu tulis.
Sesuai minat, belum berguna: menarik, tetapi tidak membantu kebutuhan saat ini.
Di luar kebutuhan dan minat: gangguan atau bacaan yang tidak kamu cari.

Proporsi berguna = \frac{post berguna}{post organik yang diperiksa} \times 100 %

Gunakan proporsi ini untuk membandingkan pengalaman kamu sendiri. Sampel kecil, waktu akses, peristiwa besar, dan sumber yang sedang aktif dapat mengubah hasil. Peningkatan setelah mengubah pengaturan tidak membuktikan satu tombol menjadi penyebabnya.

Tambahkan ukuran yang tidak bergantung pada feed: adakah catatan yang kamu pahami, sumber yang berhasil diverifikasi, atau keputusan yang terbantu? Kalau proporsi teknologi naik tetapi kamu tetap terseret scroll, perbaiki rutinitas baca, bukan menambah engagement.

Kalau hasilnya belum membaik

Following masih berisik: periksa akun yang diikuti dan repost yang mereka bagikan. Ini masalah sumber, bukan hanya rekomendasi luar jaringan.
For You kembali menampilkan topik lama: periksa interaksi terbaru, hubungan akun, dan apakah kamu terus membuka konten tersebut. Berikan umpan balik yang sesuai tanpa menyimpulkan algoritma telah “reset”.
Muted words menutup informasi berguna: ubah frasa menjadi lebih spesifik atau kurangi durasinya.
Trends tidak sesuai: bedakan For You di Explore dengan Trending berbasis lokasi. Gunakan List atau Search untuk tujuan yang lebih pasti.
Fitur tidak tersedia: pakai jalur alternatif dan catat perubahan antarmuka. Jangan menghabiskan sesi belajar untuk mencari menu yang mungkin sudah berubah.
Feed terasa lebih menarik, tetapi kamu sulit berhenti: kurangi waktu di For You, matikan pemicu yang tidak perlu, dan tetapkan pertanyaan sebelum membuka aplikasi.

12. Membaca teks tidak otomatis membuat X lebih sehat

X menyediakan banyak teks, tetapi juga video, gambar, notifikasi, dan aliran rekomendasi yang terus berlanjut. Format teks saja tidak cukup untuk menyatakan bahwa suatu platform menghasilkan respons dopamin lebih rendah. Penilaian semacam itu memerlukan penelitian tentang respons pengguna, bukan hanya penjelasan mekanisme rekomendasi.

Untuk tujuan belajar, perhatikan kualitas kebiasaan yang terbentuk: apakah kamu memahami bacaan, memeriksa sumber, dan mampu berhenti sesuai rencana?

Kamu bisa memanfaatkan teks pendek sebagai pintu masuk membaca lebih jauh. Lanjutkan ke artikel atau dokumentasi, lalu tulis kembali satu gagasan dengan bahasa sendiri. Kebiasaan membaca tidak bisa dinilai hanya dari berapa banyak post yang dilewati.

Untuk sesi belajar, tentukan kapan selesai: setelah pertanyaan awal terjawab, sumber utama diperiksa, atau batas waktu kamu tercapai. Jangan menunggu feed kehabisan hal menarik.

Sisakan sumber yang menguji pandangan kamu dengan bukti. Feed yang relevan tetapi hanya mengulang keyakinan lama juga bisa menghambat belajar.

Referensi dan catatan teknis

Repositori dan implementasi acuan

Sumber utama adalah repositori publik algoritma X di GitHub, yaitu kumpulan kode dan dokumentasi teknis. Daftar berikut menghubungkan materi panduan dengan sumbernya. Lokasi berkas pada tabel dihitung dari direktori the-algorithm-main/.

Pada tabel teknis, README.md berarti berkas dokumentasi pengantar, bukan nama orang atau layanan. Berkas berakhiran .scala berisi kode program dalam bahasa Scala. Nama komponen dipertahankan agar kamu dapat menemukan bagian yang dirujuk.

Cakupan pemeriksaan dan versi sumber

Pemeriksaan pada 3 Oktober 2026 mencakup dokumentasi dan kode terkait sumber kandidat, sinyal pengguna, pemeringkatan, umpan balik, serta penyaringan. Metodenya adalah pembacaan statis, bukan audit seluruh repositori atau pengujian sistem produksi.

Salinan sumber yang digunakan tersedia pada lampiran the-algorithm-main.zip. Timestamp berkasnya tercatat 3 September 2025, tetapi tidak menetapkan tanggal commit. Tidak tersedia metadata commit untuk mengidentifikasi revisi secara pasti.

Tautan GitHub mengarah ke branch main yang dapat berubah. Lampiran sumber dan catatan bukti mempertahankan dasar pemeriksaan, termasuk berkas yang digunakan dan perhitungan grafik. Konfigurasi aktif, model terlatih, data pengguna, serta eksperimen produksi tidak termasuk dalam cakupan pemeriksaan.

Berkas sumber yang bisa dibuka langsung:

Dokumentasi penyusunan timeline, filter, iklan, Following, dan Lists. Komponen: Home Mixer.
Dokumentasi sinyal aktivitas untuk pencarian calon post.
Dokumentasi pembentukan komunitas dan representasi minat. Metode: SimClusters.
Kode definisi keluaran prediksi model. Berkas: PredictedScoreFeature.scala.
Kode penggabungan skor dan penanganan komponen negatif. Berkas: RerankerUtil.scala.
Kode dasar perhitungan pengali skor SeeFewer. Berkas: FeedbackFatigueScorer.scala.

Tabel berikut memetakan pembahasan ke berkas sumber. Salinan repositori dan catatan perhitungan tersedia setelah tabel.

Bagian yang dibahas	Berkas atau direktori bukti
Cakupan dan layanan	`README.md`, `home-mixer/README.md`
Daftar sinyal kandidat	`RETREIVAL_SIGNALS.md`
Tindakan eksplisit dan implisit	`user-signal-service/README.md`, `unified_user_actions/README.md`
Representasi minat	`src/scala/com/twitter/simclusters_v2/README.md`
Hubungan dan agregasi interaksi	`src/scala/com/twitter/interaction_graph/README.md`
Keluaran prediksi yang diperiksa	`home-mixer/server/src/main/scala/com/twitter/home_mixer/model/PredictedScoreFeature.scala`
Penggabungan skor	Pada folder Home Mixer yang sama: `util/RerankerUtil.scala`, `functional_component/scorer/WeighedModelRerankingScorer.scala`
Bobot dan pengambilan konfigurasi	`param/HomeGlobalParams.scala`, `functional_component/feature_hydrator/HeavyRankerWeightsQueryFeatureHydrator.scala`, `HeartbeatOptimizerParamsHydrator.scala`
Diskon serta filter SeeFewer	`functional_component/scorer/FeedbackFatigueScorer.scala`, `functional_component/filter/FeedbackFatigueFilter.scala`
Pemakaian faktor umpan balik	`product/scored_tweets/scorer/RescoringFactorProvider.scala`, `HeuristicScorer.scala`
Jalur umpan balik penulis	`functional_component/decorator/urt/builder/AuthorChildFeedbackActionBuilder.scala`, `DontLikeFeedbackActionBuilder.scala`
Keragaman penulis	`product/scored_tweets/scorer/AuthorBasedListwiseRescoringProvider.scala`
Mute, block, dan kecocokan kata	`visibilitylib/src/main/scala/com/twitter/visibility/rules/Rules.scala`

Daftar sinyal kandidat dan keluaran model menjelaskan tahap yang berbeda. Contohnya, penggunaan bookmark terbatas pada sejumlah komponen dalam tabel candidate sourcing, sementara model memiliki prediksi bookmark tersendiri. Penilaian perannya perlu mempertimbangkan kedua sumber tersebut.

Lampiran pemeriksaan kode dan perhitungan: memuat identitas arsip, berkas bukti, daftar keluaran model yang diperiksa, angka grafik, serta batas analisis. Grafik diperiksa dengan dua bentuk perhitungan yang menghasilkan nilai sama.

Catatan bukti repositori dan perhitungan

Salinan repositori acuan:

ZIP repositori sumber

Repositori publik twitter/the-algorithm

Rujukan fitur X

Catatan dokumentasi fitur

Rujukan fitur diperiksa pada 3 Oktober 2026 melalui hasil indeks web. Sebagian halaman bantuan membatasi akses langsung, sehingga petunjuk menu belum diverifikasi pada seluruh tampilan aplikasi. Nama menu dan ketersediaan fitur dapat berbeda menurut akun, wilayah, perangkat, dan versi aplikasi.

Template pribadi: rencana bacaan dan checklist

Salin atau duplikasikan halaman ini ke ruang kamu sendiri. Ganti bagian dalam tanda kurung siku, kosongkan contoh yang tidak relevan, dan gunakan kotak centang sebagai catatan tindakan. Diagram hanya membantu penjelasan; isian dan checklist di bawah inilah yang kamu ubah.

A. Kebutuhan saya

Saya memakai X untuk: [pertanyaan atau kebutuhan spesifik]

Informasi ini akan membantu saya: [pekerjaan, keputusan, atau keterampilan]

Selesai membaca berarti: [hasil yang bisa diperiksa]

Batas sesi saya: [durasi atau kondisi berhenti]

Bidang	Yang dibutuhkan	Sumber yang dicari	Yang dibatasi
[bidang utama]	[kebutuhan]	[jenis sumber]	[gangguan]
[bidang tambahan]	[kebutuhan]	[jenis sumber]	[gangguan]

B. Sumber dan jalur baca

List utama: [nama / tautan]

Jalur pembuka sesi: [List / Following / Search]

Kapan saya memakai For You: [tujuan penemuan, bukan sekadar kebiasaan]

Akun atau sumber	Mengapa layak dibaca	Tindakan	Tanggal tinjau ulang
[sumber primer]	[bukti atau kebutuhan]	[masuk List / follow]	[tanggal]
[penjelas penerapan]	[bukti atau kebutuhan]	[masuk List / follow]	[tanggal]
[penguji kritis]	[bukti atau kebutuhan]	[masuk List / follow]	[tanggal]
[akun yang mengganggu]	[alasan dibatasi]	[mute / unfollow]	[tanggal]

C. Aturan interaksi saya

Saya memberi like karena isi post layak diapresiasi, bukan untuk mengejar kuota.
Saya memakai bookmark untuk bacaan yang ingin digunakan dan memberi status pemeriksaannya.
Untuk klaim meragukan yang hanya perlu didokumentasikan, saya mempertimbangkan menyimpan tautan di catatan pribadi.
Saya reply ketika punya pertanyaan atau kontribusi yang jelas.
Saya memeriksa sumber sebelum repost, quote, atau share.
Ketika terganggu, saya memilih umpan balik atau mute yang sesuai daripada terus membuka debat tanpa tujuan.

D. Batas akun, kata, dan notifikasi

Gangguan	Kontrol yang dipilih	Cakupan / durasi	Risiko menutup bacaan berguna	Tinjau ulang
[akun]	[mute / unfollow]	[cakupan]	[catatan]	[tanggal]
[frasa / hashtag]	[muted words]	[Home / notifikasi; durasi]	[catatan]	[tanggal]
[percakapan]	[mute conversation]	[notifikasi]	[catatan]	[tanggal]

Saya memeriksa autoplay di perangkat yang dipakai membaca.
Saya mengurangi notifikasi rekomendasi yang tidak diperlukan.
Saya mengecek Topics dan Interests jika fiturnya tersedia.
Saya membedakan Explore For You dari Trending berbasis lokasi.
Saya memeriksa apakah List perlu dibuat Private.

E. Evaluasi awal dan akhir

Definisi post berguna untuk saya: [kriteria konkret]

Cara mengambil sampel: [jumlah post organik, tab, waktu akses, aturan pengecualian]

Catatan	Awal	Akhir
Tanggal dan waktu	[isi]	[isi]
Tab yang diperiksa	[isi]	[isi]
Post organik yang diperiksa	[isi]	[isi]
Post berguna	[isi]	[isi]
Sesuai minat, belum berguna	[isi]	[isi]
Di luar kebutuhan dan minat	[isi]	[isi]
Proporsi berguna	[berguna ÷ diperiksa × 100%]	[berguna ÷ diperiksa × 100%]
Berasal dari akun yang diikuti	[isi]	[isi]
Direkomendasikan dari luar jaringan	[isi]	[isi]
Peristiwa besar yang mungkin memengaruhi feed	[isi]	[isi]
Catatan belajar yang selesai	[isi]	[isi]
Sumber primer yang diperiksa	[isi]	[isi]
Berhasil berhenti sesuai batas sesi?	[isi]	[isi]

Tiga kelompok relevansi harus berjumlah sama dengan total post yang diperiksa. Kelompok asal akun adalah pencatatan terpisah; jangan menjumlahkannya dengan kelompok relevansi.

Perubahan yang saya coba: [pengaturan atau kebiasaan]

Yang terasa membantu: [temuan, dengan batas kepastian]

Yang belum membantu: [temuan]

Satu perubahan berikutnya: [tindakan dan tanggal]

F. Catatan bacaan yang bisa dipakai

Tautan: [sumber]

Tanggal informasi: [tanggal]

Klaim utama: [apa yang dikatakan]

Bukti / sumber primer: [apa yang mendukung]

Yang belum pasti: [pertanyaan]

Kegunaannya untuk saya: [keputusan atau tindakan]