L'usage des évaluations fournies par de nombreux utilisateurs d'un système pour indiquer les mérites relatifs d'un contenu. Alors que les systèmes simples identifient simplement une unique valeur de consensus, les systèmes les plus avancés utilisent des outils pour identifier des groupes d'évaluateurs avec des intérêts similaires (ou au moins prédictifs), par ex.: les BayesianMethods?.
Le FiltrageCollaboratif est un exemple de CollaborationFortuite. Les collaborateurs travaillent tous indépendamment et parfois sans connaissance des évaluations de leurs collègues.
Une définition plus détaillée est donnée en anglais par Doug Oard dans "Information Filtering Defined" [1]:
Quelques liens utiles :
Le sujet est, pour le cyberespace, plutôt ancien, avec des racines à la fin des années 1960. Les recherches se sont déroulées sur UseNet, le filtrage d'email et plus récemment le filtrage de page web. Les systèmes de modération collaboratifs tels que ScoopEngine (utilisés chez KuroShin) et SlashCode (SlashDot).
Une autre fonctionnalité qui peut être ajoutée un jour aux systèmes avec modérations est le filtrage collaboratif au sens Amazon. Ce qui veut dire que vous pouvez requêter le système pour qu'il vous présente des articles que les autres avec les mêmes préférences que vous ont élus. Les "Préférences Similaires" seraient extraites de la comparaison de vos anciens votes avec les autres.
Ceci est fortement relié au FiltrageContenu.