Ontwikkelaar Lyra Rebane heeft Xikipedia gelanceerd, een webapp die Wikipedia-artikelen weergeeft in een feed in sociale media-stijl. De app haalt inhoud uit Simple Wikipedia en gebruikt een aanbevelingsalgoritme dat volledig lokaal werkt, zonder gebruikersgegevens te verzamelen of te delen.

Op de landingspagina van Xikipedia staat: “Het is gemaakt als demonstratie van hoe zelfs een eenvoudig niet-machine learning-algoritme zonder gegevens van andere gebruikers snel kan leren waar u mee bezig bent, om u meer vergelijkbare inhoud voor te stellen.” Het voegt eraan toe: “Hier worden geen gegevens verzameld of gedeeld, het algoritme draait lokaal en de gegevens verdwijnen zodra je het tabblad vernieuwt of sluit.”

i made a version of wikipedia you can doomscrollxikipedia.org

Rebane (@rebane2001.bsky.social)2026-02-01T23:43:37.999Z

Gebruikers kunnen de feed filteren om vermeldingen uit specifieke categorieën weer te geven, inclusief aangepaste categorieën. Elk bericht bevat een samenvatting van een eenvoudig Wikipedia-artikel. Volgens Rebane vergroot het liken van een bericht de kans om toekomstige berichten uit dezelfde categorie, de bovenliggende categorieën en artikelen die daarin zijn gelinkt, te zien.

  Apple vertraagde de iPad-productie om aan de iPhone-vraag te voldoen

Als u op een bericht klikt of tikt, wordt het volledige Simple Wikipedia-artikel geopend. De app selecteert artikelen willekeurig, wat betekent dat langdurig scrollen gebruikers kan blootstellen aan niet-veilig-voor-werk-materiaal (NSFW). Xikipedia vereist het laden van ongeveer 40 MB aan gegevens, wat resulteert in een korte wachttijd.

Eenvoudig Engelstalige Wikipedia bevat meer dan 278.000 artikelen en biedt honderdduizenden potentiële berichten. Updates komen echter minder vaak voor dan op de hoofdsite van Wikipedia. In het artikel van één muzikant ontbraken bijvoorbeeld vermeldingen voor hun twee meest recente albums in de discografie-sectie.

Xikipedia functioneert net als de voormalige StumbleUpon-service en biedt een manier om nieuwe onderwerpen te ontdekken via willekeurige maar gepersonaliseerde artikelsuggesties als een onderbreking van de traditionele sociale-mediafeeds.


Aanbevolen afbeeldingscredits