From Birdwatch to Community Notes, from Twitter to X: four years of community-based content moderation
Diese Arbeit präsentiert eine umfassende vierjährige deskriptive Analyse des Programms „X's Community Notes“ (ehemals Birdwatch), welche dessen linguistische Diversität, Quellenpraktiken, Beitragsaktivität und Interaktionsnetzwerke untersucht, während sie gleichzeitig einen kuratierten Datensatz sowie Code veröffentlicht, um die Forschung über gemeinschaftsbasierte Inhaltsmoderation voranzutreiben.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich Social Media wie einen riesigen, chaotischen Marktplatz vor, auf dem Millionen von Menschen jede Sekunde ihre Gedanken herausbrüllen. Manchmal schreien die Leute Lügen, Gerüchte oder verwirrende Geschichten heraus. In der Vergangenheit versuchte eine kleine Gruppe von „Stadtgardisten“ (Experten) oder ein „Roboter-Scanner“ (KI), jedem zuzuhören und das schlechte Zeug zu markieren. Aber es gibt zu viele Menschen, die schreien, als dass die Wachen Schritt halten könnten, und der Roboter-Scanner macht oft Fehler, weil er mit voreingenommenen Daten trainiert wurde.
Um dieses Problem zu lösen, startete X (ehemals Twitter) eine neue Idee namens Community Notes (ursprünglich „Birdwatch“). Betrachten Sie dies als ein Nachbarschaftswach-Programm, bei dem reguläre Bürger eingeladen werden, den Marktplatz zu überwachen.
Hier ist, was dieses Papier uns über die Funktionsweise dieser Nachbarschaftswacht in ihren ersten vier Jahren (2021–2025) verrät:
1. Das Setup: Wie die Wacht funktioniert
In diesem System kann jeder, der seit sechs Monaten ein guter Bürger ist, ein „Mitwirkender“ (Contributor) werden.
- Die Aufgabe: Wenn Sie einen Beitrag sehen, der irreführend erscheint, können Sie eine „Anmerkung“ (Note) schreiben, um fehlenden Kontext oder Fakten hinzuzufügen.
- Die Abstimmung: Andere Mitwirkende lesen Ihre Anmerkung und stimmen darüber ab, ob sie „Hilfreich“, „Teilweise Hilfreich“ oder „Nicht Hilfreich“ ist.
- Die Regel: Eine Anmerkung wird nur dann der Öffentlichkeit gezeigt, wenn Menschen von verschiedenen politischen Seiten zustimmen, dass sie hilfreich ist. Das ist wie eine Brücke; wenn nur Menschen von einer Seite des Flusses zustimmen, dass die Brücke sicher ist, wird sie nicht gebaut. Das Ziel ist es, die Wahrheit zu finden, über die sich alle einig sein können.
2. Wer leistet die Arbeit? (Die „Super-Mitwirkenden“)
Das Papier stellte fest, dass die Arbeit nicht gleichmäßig verteilt ist. Es ist wie eine Nachbarschaft, in der eine Handvoll engagierter Freiwilliger fast die gesamte Reinigung und Müllabfuhr übernimmt.
- Die Schwerarbeiter: Eine winzige Anzahl von Menschen schreibt die überwältigende Mehrheit der Anmerkungen. Eine Person (die anschein-weise ein Bot ist) schrieb über 33.000 Anmerkungen, hauptsächlich zu Krypto-Scams.
- Die Bewertungskluft: Ähnlich verhält es sich mit der Abstimmung: Eine kleine Gruppe von Menschen erledigt fast das gesamte Voting.
- Das Ergebnis: Da so wenige Menschen die Hauptarbeit leisten, erhalten viele Beiträge, die eine Anmerkung benötigen, nie eine, oder die Anmerkungen, die sie erhalten, bekommen nie genug Stimmen, um angezeigt zu werden.
3. Worüber sprechen sie? (Die Themen)
Der „Marktplatz“ ist laut, aber die Freiwilligen konzentrieren sich auf bestimmte Arten von Lärm:
- Politik ist König: Der größte Teil der Arbeit (etwa 30–45 %) dreht sich um Politik und Regierung.
- Gesundheit: Zu Beginn gab es eine große Welle von Anmerkungen zu Impfstoffen und der Pandemie.
- Krieg & Krypto: Im Laufe der Zeit erschienen mehr Anmerkungen zu Kriegen (wie in der Ukraine und im Gazastreifen) und Krypto-Betrug.
- Das „NNN“-Phänomen: Manchmal schreiben Freiwillige eine Anmerkung mit dem Hinweis „Note Not Needed“ (NNN – Anmerkung nicht nötig). Das ist wie ein Nachbar, der sagt: „Hey, diese Geschichte ist gar keine Lüge, hör auf, sie richtigstellen zu wollen!“ Das Papier stellt fest, dass dies zu einem Weg geworden ist, um darüber zu debattieren, ob etwas korrigiert werden muss, und nicht nur darüber, was falsch ist.
4. Die Sprachbarriere
Obwohl das System global ist, sind die „Nachbarschaften“ meist getrennt.
- Eine Sprache, eine Gruppe: Die meisten Menschen schreiben nur in einer Sprache. Selbst wenn jemand fünf Sprachen spricht, beschränkt er sich meist auf nur eine, wenn er Anmerkungen schreibt.
- Dominanz des Englischen: Englisch ist die Hauptsprache des Marktplatzes. Die Forscher konzentrierten ihre Tiefenanalyse auf englische Anmerkungen, da dort die meiste Aktivität stattfindet.
5. Das Geschwindigkeitsproblem: Das „Zu wenig, zu spät“-Problem
Dies ist der kritischste Befund. Das System ist langsam.
- Das Warten: Im Durchschnitt dauert es 26 Stunden, bis eine Anmerkung von der Erstellung bis zur Veröffentlichung in der Öffentlichkeit steht.
- Das verpasste Zeitfenster: Bis eine „Hilfreiche“ Anmerkung schließlich erscheint, ist die Lüge meist schon um die Welt gereist. Das Papier stellt fest, dass die Lüge bereits 80 % ihres Publikums erreicht hat, wenn die Anmerkung veröffentlicht wird.
- Die Erfolgsquote: Von jeweils 100 Beiträgen, für die eine Anmerkung vorgeschlagen wird, erhalten nur etwa 13 eine tatsächlich als „Hilfreich“ eingestufte Anmerkung, die der Öffentlichkeit gezeigt wird. Die meisten Anmerkungen bleiben in einem Wartesaal stecken und erhalten nie genug diverse Stimmen, um durchzukommen.
6. Woher beziehen sie ihre Fakten?
Beim Schreiben einer Anmerkung werden die Mitwirkenden ermutigt, Beweise mitzubringen.
- Die Quelle: Die meisten Anmerkungen enthalten einen Link zu einer Quelle.
- Die Favoriten: Die beliebtesten Quellen sind Wikipedia, YouTube und X selbst.
- Der Bias-Check: Die Forscher überprüften die politische Voreingenommenheit der verwendeten Websites. Überraschenderweise sind die meisten Top-Quellen als „neutral“ einzustufen, obwohl es eine leichte Tendenz nach links gibt. Das Papier stellte jedoch einen verdächtigen Fall fest, bei dem ein Nutzer immer wieder auf eine spezifische Antiviren-Seite für Krypto-Scams verlinkte, was darauf hindeutet, dass einige „Freiwillige“ automatisierte Bots sein könnten, die bestimmte Agenden vorantreiben.
Das Fazit
Community Notes ist ein mutiges Experiment darin, die Menge sich selbst regieren zu lassen. Es hat erfolgreich eine riesige Bibliothek an Kontext und Fakten aufgebaut. Dennoch kommt das Papier zu dem Schluss, dass das System einen Engpass (Bottleneck) hat.
- Es verlässt sich zu sehr auf einige wenige Super-Freiwillige.
- Es ist zu langsam, um Lügen zu stoppen, bevor sie sich verbreiten.
- Es hat Schwierigkeiten, genügend diverse Menschen dazu zu bringen, sich vor dem Ende des Nachrichtenzyklus über eine Anmerkung einig zu sein.
Die Autoren haben alle ihre Daten und Codes (wie die Blaupausen der Nachbarschaftswacht zu übergeben) veröffentlicht, damit andere Forscher untersuchen können, wie man dieses System in Zukunft schneller und fairer machen kann.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.