Auditing Differential Visibility of Political Content on TikTok
Diese Studie widerlegt die Vorwürfe des Shadow-Bannings politischer Inhalte durch TikTok, indem sie aufzeigt, dass scheinbare Reichweitenunterschiede statistische Artefakte von Pseudoreplikation und Störvariablen sind, und findet keine Belege für eine systematische Unterdrückung, wenn die Daten auf der angemessenen Kontoebene analysiert werden.
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
Das große Algorithmus-Rätsel
Stellen Sie sich das Internet wie einen riesigen, belebten Marktplatz vor, auf dem jeder seine Meinung in die Welt schreit. In dieser Stadt gibt es einen geheimnisvollen, unsichtbaren Bürgermeister namens „Der Algorithmus“. Dieser Bürgermeister entscheidet, wer auf einem Rednerpodium stehen darf, um gehört zu werden, und wer an den Rand der Menge gedrängt wird. Jahrelang haben die Leute gemunkelt, dass dieser Bürgermeister eine geheime Regel hat: Wenn man über bestimmte politische Themen schreit, verstummt die Stimme leise, ohne dass der Bürgermeister es einem sagt. Das nennt man einen „Shadow Ban“ (Schattenverbot). Es ist eine beängstigende Vorstellung, denn es bedeutet, dass die eigene Stimme nicht einfach nur ignoriert, sondern aktiv verborgen wird. Aber hier liegt der Haken: Der Bürgermeister zeigt niemals sein Regelwerk. Woher also sollen wir wissen, ob der Bürgermeister Favoriten bevorzugt? Wissenschaftler versuchen schon seit Langem herauszufinden, ob das stimmt, indem sie zählen, wie viele Menschen jeden Schrei hören, aber sie haben eine sehr verwirrende Art des Zählens verwendet, die sie möglicherweise täuscht. Dieses Papier ist wie eine Detektivgeschichte, in der die Ermittler beschließen, aufzuhören zu raten und stattdessen mit einem superpräzisen Lineal zu messen, um zu sehen, ob der Bürgermeister tatsächlich jemanden versteckt oder ob sich die Stadt einfach nur anders anfühlt, als sie aussieht.
Die Detektivarbeit: Das Zählen der Schreie
Ein Team von Forschern beschloss, das Shadow-Ban-Rätsel auf TikTok zu untersuchen, der App, auf der Kurzvideos viral gehen. Sie wählten drei brisante Themen, über die die Menschen ständig streiten: wie die USA mit Einwanderung umgehen, die Berichterstattung über Donald Trump und den Konflikt zwischen Israel und Palästina. Sie sammelten eine riesige Liste von 67 verschiedenen Accounts und stellten sicher, dass beide Seiten jeder Argumentation enthalten waren (die „Pro“-Seite und die „Anti“-Seite). Dann taten sie etwas sehr Spezifisches: Sie beobachteten diese Accounts einen Monat lang und überprüften jede einzelne Stunde, wie viele Aufrufe, Likes und Shares jedes Video erhielt. Am Ende hatten sie über eine halbe Million Datenpunkte – einen riesigen, dichten Haufen von Zahlen.
Als sie die Daten zuerst auf die „alte Art“ betrachteten (wie es viele andere Studien tun), sahen die Ergebnisse wie ein rauchender Colt aus. Sie sahen einen massiven Unterschied darin, wie viele Menschen die Videos sahen. Die „Anti“-Seite schien ihre Videos verborgen zu bekommen, wobei die Aufrufzahlen so stark sanken, dass die Mathematik besagte, die Chance, dass dies nur ein Zufall sei, läge bei weniger als eins zu einer Billion. Es sah wie ein bestätigter Shadow Ban aus.
Doch dann beschlossen die Forscher, die Daten mit einer anderen Brille zu betrachten. Sie erkannten, dass die „alte Art“ einen riesigen Fehler machte, den man Pseudoreplikation nennt. Stellen Sie sich vor, Sie haben ein Video, das in einer Stunde 1.000 Aufrufe erhält. Wenn Sie eine Stunde später erneut nachsehen, hat es vielleicht 1.002 Aufrufe. Wenn Sie wieder nachsehen, sind es 1.004. Die „alte Art“ zählte jede dieser stündlichen Überprüfungen als ein brandneues, unabhängiges Ereignis. Es war, als würde man dieselbe Person in einer Menge 100 Mal zählen, nur weil sie 100 Minuten lang dort stand. Als die Forscher aufhörten, dieselbe Video-Stunde immer und immer wieder zu zählen, und stattdessen die Accounts als die eigentliche Maßeinheit betrachteten, verschwand der Zauber. Die massive Lücke in den Aufrufen verschwand vollständig. Die Mathematik zeigte, dass die „Pro“- und „Anti“-Seiten fast exakt die gleiche Anzahl an Menschen erreichten. Die Effektstärke war praktisch null.
Die wahre Überrascheung: Wer kümmert sich mehr?
Wenn der „Shadow Ban“ also nicht real ist, was passiert dann? Die Forscher fanden ein anderes, interessanteres Muster. Während die Reichweite (wie viele Menschen das Video sahen) für beide Seiten gleich war, war das Engagement (wie die Menschen reagierten) sehr unterschiedlich. Die „oppositionellen“ Inhalte (die Anti-Trump- und Pro-Palästina-Videos) erhielten pro View viel mehr Likes, Shares und Speicherungen als die andere Seite.
Denken Sie an eine Party. Wenn zwei Gruppen von Menschen auf einer Party schreien und der DJ (der Algorithmus) beide Gruppen erlaubt, mit der gleichen Lautstärke zu schreien, werden beide gleichermaßen gehört. Die Forscher fanden jedoch heraus, dass die Freunde der „oppositionellen“ Gruppe viel heftiger tanzten, lauter klatschten und die Musik mit allen anderen teilten. Die „Establishment“-Gruppe wurde zwar gehört, aber ihre Freunde standen einfach nur da. Dies deutet darauf hin, dass das, was die Leute als „Shadow Ban“ empfinden, eigentlich ein Zeichen eines super engagierten, leidenschaftlichen Publikums sein könnte und keine versteckte Strafe.
Was das für das Rätsel bedeutet
Das Papier kommt zu dem Schluss, dass die Idee eines massiven, systematischen Shadow Bans zu diesen Themen höchstwahrscheinlich ein Mythos ist, der durch schlechte Mathematik entstanden ist. Die „Lücke“, die die Menschen sehen, ist größtenteils eine Illusion, die durch zwei Dinge verursacht wird:
- Dasselbe zu oft zu zählen: Die stündlichen Aktualisierungen als neue Datenpunkte zu behandeln, lässt kleine Unterschiede riesig erscheinen.
- Äpfel mit Birnen zu vergleichen: Die „oppositionellen“ Accounts waren oft größer, posteten in unterschiedlichen Sprachen (hauptsächlich Arabisch für die Pro-Palästina-Seite) und befanden sich in unterschiedlichen Phasen ihres Lebenszyklus. Wenn man diese Unterschiede korrigiert, verschwindet die Lücke.
Die Forscher sind sehr zuversichtlich in ihrem Schluss, weil sie ihre Methoden mit Simulationen getestet haben. Sie zeigten, dass man, wenn man die „alte Art“ des Zählens verwendet, fast immer einen falschen „Shadow Ban“ findet, selbst wenn keiner existiert. Aber als sie die „neue Art“ verwendeten (den Blick auf die Accounts statt auf die Stunden zu richten), fanden sie keine Beweße dafür, dass die Plattform Inhalte unterdrückt. Sie fanden jedoch heraus, dass die „oppositionelle“ Seite intensivere Reaktionen hervorruft, aber das ist ein Zeichen für ein lebhaftes Publikum, nicht für ein unterdrücktes.
Kurz gesagt: Der unsichtbare Bürgermeister versteckt die „oppositionellen“ Stimmen nicht. Die Stimmen werden genauso laut gehört wie alle anderen; es ist nur so, dass die Menschen, die ihnen zuhören, viel begeisterter sind, zu klatschen und zu teilen. Das Papier warnt davor, dass zukünftige Studien viel vorsichtiger bei der Zählung von Daten sein müssen, sonst werden sie weiterhin „Geister“ finden, die gar nicht wirklich da sind.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.