YouTube, den enorme platform til deling af videoer halvvejs mellem en kulturel enklave og et marketingværktøj . En enhed, der er så enorm, at den kun samler næsten halvdelen af de samlede brugere på netværket eller med andre ord næsten 30% af verdens befolkning.
Selvom dets politik i starten var mere slapp, når det gjaldt at pålægge sine kriterier for, hvad der kunne offentliggøres eller udgives, er sandheden, at YouTube i nogen tid nu har hærdet sine egne regler for at undgå visse følsomme emner . Uden at gå videre opdaterede den for et par uger siden sin monetiseringspolitik for 'følsomme begivenheder' igen for at medtage enhver henvisning til den nuværende sundhedskrise på sin sortliste.
Men hvordan kan Youtube definere kommentarer, der er upassende? Hvem eller hvad definerer hvilke ord og sætninger der potentielt er 'farlige'? Trin nummer et er at forstå de mekanismer, som platformen bruger til at prøve at forstå, hvordan censur fungerer i YouTube-kommentarer .
Hvordan fungerer censur på YouTube?
På grund af de mere end 2 milliarder aktive brugere på YouTube er det nødvendigt med en måde at automatisere kontrollen over aktiviteten af alle disse profiler på. Denne mekanisme har form af et meget sofistikeret edb-system, der styres af en AI, der er ansvarlig for sporing, profilering og klassificering af indholdet og aktiviteten for alle dem, der er på webstedet.
Dette imponerende system bruger maskinindlæring til ikke kun at opdage ord, men også udtryk, der kan være upassende .
Vi taler ikke kun om en algoritme i streng forstand, som simpelthen blokerer en bestemt kommentar baseret på en liste med 'forbudte' ord. Det går, dette går meget længere. Snarere taler vi om en beregningsmodel baseret på maskinindlæring, der tager millioner af eksempler på kommentarer, der tidligere er modereret af ejeren af en kanal eller en anden bruger.
Misforstå os ikke, selvfølgelig er der en liste over forbudte ord og kontrolleret af en algoritme, men ikke mindre vigtigt er alle de værktøjer og ressourcer, som YouTube stiller til rådighed for samfundet til at rapportere visse upassende adfærd. Alt dette input, der kommer fra brugerne, er det, der føder platformens dataanalysesystem til at kontrollere aktivitet i samfundet på en meget mere effektiv og præcis måde.
Det vil sige, at storebror er en kombination af algoritme, der automatiserer søgeord, maskinlæring og ansvarlig handling fra YouTube-samfundet. Alle disse vilkår og udtryk, der potentielt vil blive genstand for censur, er inkluderet i afsnittet 'Sikkerhedsbestemmelser' på platformen.
Hele dette regelsæt forsøger at undgå særlig skadelig , farlig, pornografisk, hadefuld tale, ophavsretligt beskyttet indhold osv.
Censur i tal
For at give dig en idé om, hvor effektive de ovenfor beskrevne værktøjer er, skal du bare se på antallet af kommentarer, der kun er slettet i sidste kvartal af 2019 (den sidste på rekord). Vi taler om i alt 541 millioner slettede kommentarer .
Du kan også se på procentdelen af kommentarer, der er slettet af Youtube's eget system, og dem, der er slettet eller blokeret direkte af youtuberne selv (som ikke er brugere). En anden interessant kendsgerning er procentdelen af kommentarer, der er slettet baseret på et bestemt emne.