Der Bias darunter: Analyse des Wandels in YouTubes algorithmischen Empfehlungen

Zusammenfassung In der heutigen digitalen Welt ist es entscheidend zu verstehen, wie YouTubes Empfehlungssysteme steuern, was wir ansehen. Diese Studie taucht in diese Systeme ein und zeigt, wie sie im Laufe der Zeit den Inhalt beeinflussen, den wir sehen. Wir fanden heraus, dass YouTubes Algorithmen dazu neigen, Inhalte in bestimmte Richtungen zu lenken, was die Vielfalt und Art der Videos, die den Zuschauern empfohlen werden, beeinflusst. Um diese Muster aufzudecken, verwendeten wir einen Mixed-Methods-Ansatz, um die von YouTube empfohlenen Videos zu analysieren. Wir betrachteten die in den Videos vermittelten Emotionen, die moralischen Botschaften, die sie enthalten könnten, und ob sie schädliche Inhalte enthielten. Unsere Forschung beinhaltete auch eine statistische Analyse, um Verzerrungen in der Art und Weise zu erkennen, wie diese Videos empfohlen werden, sowie eine Netzwerk Analyse, um zu sehen, wie bestimmte Videos einflussreicher werden als andere. Unsere Ergebnisse zeigen, dass YouTubes Algorithmen zu einer Verengung der Inhaltslandschaft führen können, die die Vielfalt dessen, was empfohlen wird, einschränken. Dies hat wichtige Implikationen dafür, wie Informationen online verbreitet und konsumiert werden, und deutet auf die Notwendigkeit mehr Transparenz und Fairness in der Funktionsweise dieser Algorithmen hin. Zusammenfassend hebt dieses Papier die Notwendigkeit eines integrativeren Ansatzes hervor, wie digitale Plattformen Inhalte empfehlen. Durch ein besseres Verständnis der Auswirkungen von YouTubes Algorithmen können wir darauf hinarbeiten, einen digitalen Raum zu schaffen, der eine breitere Palette von Perspektiven und Stimmen bietet, Fairness gewährt und das Online-Erlebnis für alle bereichert.