YouTube, dat enorme platform voor het delen van video's halverwege een culturele enclave en een marketingtool . Een entiteit die zo groot is dat het slechts praktisch de helft van de totale gebruikers op het netwerk samenbrengt, of met andere woorden bijna 30% van de wereldbevolking.
Hoewel haar beleid in het begin lakser was als het ging om het opleggen van criteria voor wat er zou kunnen worden gepubliceerd of gepost, is de waarheid dat YouTube al enige tijd zijn eigen regels heeft aangescherpt om bepaalde gevoelige onderwerpen te vermijden . Zonder verder te gaan, heeft het een paar weken geleden zijn monetariseringsbeleid met betrekking tot 'gevoelige gebeurtenissen' opnieuw bijgewerkt, om elke verwijzing naar de huidige gezondheidscrisis op zijn zwarte lijst op te nemen.
Maar hoe kan YouTube reacties definiëren die ongepast zijn? Wie of wat bepaalt welke woorden en woordgroepen potentieel 'gevaarlijk' zijn? Stap één is om de mechanismen te begrijpen die het platform gebruikt om te proberen te begrijpen hoe censuur werkt in YouTube-reacties .
Hoe werkt censuur op YouTube?
Vanwege de meer dan 2 miljard actieve gebruikers op YouTube is een manier nodig om de controle over de activiteit van al deze profielen te automatiseren. Dit mechanisme neemt de vorm aan van een zeer geavanceerd geautomatiseerd systeem dat wordt bestuurd door een AI die verantwoordelijk is voor het volgen, profileren en classificeren van de inhoud en activiteit van al degenen die zich op de site bevinden.
Dit indrukwekkende systeem gebruikt machine learning om niet alleen woorden te detecteren, maar ook uitdrukkingen die mogelijk ongepast zijn .
We hebben het niet alleen over een algoritme in strikte zin, dat simpelweg een bepaalde opmerking blokkeert op basis van een lijst met 'verboden' woorden. Dat gaat, dit gaat veel verder. We hebben het eerder over een computermodel op basis van machine learning dat miljoenen voorbeelden van opmerkingen neemt die eerder zijn gemodereerd door de eigenaar van een kanaal of een andere gebruiker.
Begrijp ons niet verkeerd, er is natuurlijk een lijst met verboden woorden en wordt gecontroleerd door een algoritme, maar niet minder belangrijk zijn alle tools en bronnen die YouTube ter beschikking stelt van de community om bepaald ongepast gedrag te melden. Al deze input die van gebruikers komt, is wat het gegevensanalysesysteem van het platform voedt om de activiteiten binnen de gemeenschap op een veel efficiëntere en nauwkeurigere manier te controleren.
Met andere woorden, de grote broer is een combinatie van algoritmen die het zoeken op trefwoorden, machine learning en verantwoorde actie van de YouTube-community automatiseert. Al die termen en uitdrukkingen die mogelijk onderhevig zijn aan censuur, zijn opgenomen in het gedeelte 'Beveiligingsvoorschriften' van het platform.
Deze hele reeks regels probeert bijzonder schadelijke , gevaarlijke, pornografische, aanzetten tot haat, auteursrechtelijk beschermde inhoud , enz. Te vermijden .
Censuur in cijfers
Om u een idee te geven van hoe effectief de hierboven beschreven tools zijn, hoeft u alleen maar te kijken naar het aantal reacties dat pas in het laatste kwartaal van 2019 is verwijderd (de laatste in record). We hebben het over in totaal 541 miljoen verwijderde opmerkingen .
Je kunt ook kijken naar het percentage reacties dat is verwijderd door het eigen systeem van YouTube en welke reacties zijn verwijderd of geblokkeerd door de youtubers zelf (die geen gebruikers zijn). Een ander interessant feit is het percentage reacties dat is verwijderd op basis van een specifiek onderwerp.