صحتك كير صحة، علاج، وقاية
مقالات مشابهة
وجد بحث جديد أجراه خبراء علوم البيانات في جامعة إلينوي أوربانا شامبين ومنظمة الأمم المتحدة Global Pulse أنه لا يوجد دليل قوي على أن موقع YouTube روج للمشاعر المناهضة للقاحات خلال جائحة كوفيد-19.
الدراسة التي نشرت في مجلة أبحاث الإنترنت الطبيةأجرى تدقيقًا خوارزميًا لفحص ما إذا كان نظام التوصيات على YouTube بمثابة “جحر أرنب”، مما دفع المستخدمين الذين يبحثون عن مقاطع فيديو متعلقة باللقاحات إلى محتوى مضاد للقاحات.
بالنسبة للدراسة، طلب الباحثون من المشاركين والعاملين الذين دربتهم منظمة الصحة العالمية من Amazon Mechanical Turk العثور عمدًا على مقطع فيديو مضاد للقاح بأقل عدد ممكن من النقرات، بدءًا من مقطع فيديو إعلامي أولي حول كوفيد-19 نشرته منظمة الصحة العالمية.
لقد قارنوا التوصيات التي شاهدها هؤلاء المستخدمون بمقاطع الفيديو ذات الصلة التي تم الحصول عليها من واجهة برمجة تطبيقات YouTube ومقاطع الفيديو الموصى بها على YouTube Up-Next والتي شاهدتها المتصفحات النظيفة دون أي ملفات تعريف ارتباط تحدد هوية المستخدم.
استخدم الفريق بعد ذلك أساليب التعلم الآلي لتصنيف المحتوى المضاد للقاحات، وقام بتحليل أكثر من 27000 توصية فيديو مقدمة من موقع YouTube.
وقالت مارغريت يي مان نج، أستاذة الصحافة في إلينوي والمعينة في معهد أبحاث الاتصالات والمؤلفة الرئيسية للدراسة: “لم نعثر على أي دليل على أن يوتيوب يروج لمحتوى مضاد للقاحات لمستخدميه”. “ظل متوسط حصة مقاطع الفيديو المناهضة للقاحات أو المترددة في اللقاحات أقل من 6٪ في جميع الخطوات في مسارات توصيات المستخدمين.”
كان الهدف الأولي للبحث هو فهم أفضل لتقنيات يوتيوب الشهيرة الغامضة لتوصيات المحتوى – تجاوز الاستعلام عن واجهات برمجة تطبيقات النظام الأساسي لجمع بيانات العالم الحقيقي – وما إذا كانت هذه التقنيات توجه المستخدمين نحو المشاعر المناهضة للقاحات والتردد في اللقاح.
وقالت كاثرين هوفمان فام، الباحثة في برنامج النبض العالمي التابع للأمم المتحدة، والمؤلفة المشاركة: “أردنا أن نتعرف على كيفية استخدام الكيانات المختلفة للمنصة لنشر محتواها حتى نتمكن من وضع توصيات حول كيفية قيام يوتيوب بعمل أفضل في عدم نشر المعلومات الخاطئة”. الدراسة. “خلافًا للاعتقاد العام، لم يكن موقع YouTube يروج لمحتوى مضاد للقاحات. وتكشف الدراسة أن خوارزميات YouTube أوصت بدلاً من ذلك بمحتوى آخر متعلق بالصحة لم يكن مرتبطًا بشكل صريح بالتطعيم.”
وقال إنج: “كانت مقاطع الفيديو التي تم توجيه المستخدمين إليها أطول وتحتوي على محتوى أكثر شيوعًا، وحاولت دفع استراتيجية ناجحة لجذب المستخدمين من خلال الترويج لمحتوى آخر ناجح بشكل موثوق عبر النظام الأساسي”.
وسمحت الدراسة أيضًا للباحثين بفحص مدى اختلاف تجارب المستخدمين الواقعية عن التوصيات الشخصية التي تم الحصول عليها عن طريق الاستعلام عن واجهة برمجة التطبيقات “RelatedToVideo” على YouTube. تم تصميم واجهة برمجة التطبيقات هذه لمساعدة المبرمجين في البحث عن المحتوى ذي الصلة على النظام الأساسي أو باستخدام متصفحات نظيفة، وتكرار تجربة مستخدم جديد يزور YouTube بدون سجل بحث أو عرض، والذي غالبًا ما يستخدم لدراسة نظام توصيات النظام الأساسي.
تشير الدراسة إلى أن سجلات المشاهدة للمستخدمين تؤثر بشكل كبير على توصيات الفيديو، مما يشير إلى أن البيانات الواردة من واجهة برمجة التطبيقات أو المتصفح النظيف لا تقدم صورة دقيقة عن الاقتراحات التي يراها المستخدمون الحقيقيون. رأى المستخدمون الحقيقيون محتوى مؤيدًا للقاحات أكثر قليلاً أثناء تقدمهم من خلال مسارات توصياتهم. في المقابل، تم توجيه عمليات البحث التي أجرتها واجهة برمجة التطبيقات (API) أو المتصفحات النظيفة أثناء الدراسة نحو توصيات غير ذات صلة مع تقدمها.
قال فام: “أعتقد أن إحدى فوائد هذه الدراسة مقارنة بالدراسات الأخرى هي أنها تقترح منهجية خفيفة الوزن نسبيًا لجمع بيانات حقيقية حول كيفية تنقل الأشخاص عبر توصيات الفيديو على YouTube”. “لذلك، على عكس واجهات برمجة التطبيقات، التي ستقترح روابط جديدة بشكل عشوائي، يمكن للمستخدمين مراجعة الروابط بشكل نقدي واختيار واحد، وهو نوع يحاكي السلوك الذي قد يستخدمه العديد من الأشخاص على YouTube في الواقع.”
وأضاف المؤلف المشارك ميغيل لونغو أوروز، الأستاذ في كلية الاتصالات بجامعة بوليتكنيكا في مدريد، أن “فهم أنظمة التوصيات مهم لأنه يعزز الشفافية ويحملهم المسؤولية”. “وهذا يساعد الناس على فهم الاختيارات التي يتم اتخاذها لهم من خلال المنصة. المصممين.”
