What Counts as Harmful Eating Disorder Content? A Delphi Study Developing Consensus-Based Harm Identification Rules with Lived Experience and Professional Experts
इस अध्ययन में सोशल मीडिया पर स्पष्ट और संदर्भ-निर्भर हानिकारक ईटिंग डिसऑर्डर (खाने के विकार संबंधी) सामग्री की पहचान करने के लिए 45 सर्वसम्मत नियम विकसित करने हेतु 41 विशेषज्ञों (पेशेवर और जीवंत अनुभव के दृष्टिकोणों को मिलाकर) के साथ एक संशोधित डेल्फी पद्धति का उपयोग किया गया, जिसका उद्देश्य लाभकारी सामग्री को संरक्षित करते हुए स्वचालित पहचान और व्यक्तिगत मॉडरेशन में सहायता करना है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सोशल मीडिया कई लोगों के लिए एक निरंतर साथी बन गया है, जो यह आकार देता है कि वे खुद को कैसे देखते हैं और दुनिया के साथ कैसे बातचीत करते हैं। उन लोगों के लिए जो ईटिंग डिसऑर्डर (खाने के विकार) से जूझ रहे हैं या इसके शिकार होने के जोखिम में हैं, ये डिजिटल स्थान विशेष रूप से शक्तिशाली हो सकते हैं, जो कभी-कभी शरीर की छवि, भोजन और वजन के बारे में हानिकारक विचारों को पुख्ता करते हैं। एल्गोरिदम, जो कंप्यूटर प्रोग्राम हैं जो यह तय करते हैं कि उपयोगकर्ताओं को क्या दिखाया जाए, अक्सर किसी व्यक्ति के क्लिक और देखने के समय से सीखते हैं। यदि कोई डाइटिंग या अत्यधिक दुबलेपन के पोस्ट पर अधिक समय बिताता है, तो सिस्टम उन्हें और अधिक वैसा ही कंटेंट दिखा सकता है, जिससे एक ऐसा चक्र बन जाता है जहाँ खतरनाक विचार सामान्य और अपरिहार्य लगने लगते हैं। हालांकि सोशल मीडिया कंपनियों ने सबसे स्पष्ट हानिकारक सामग्री को रोकने की कोशिश की है, जैसे कि भूख हड़ताल को खुले तौर पर बढ़ावा देने वाली पोस्ट, लेकिन वे "ग्रे एरिया" (धुंधले क्षेत्रों) को समझने में संघर्ष करती हैं। उदाहरण के लिए, किसी व्यक्ति के दोपहर के भोजन के बारे में एक वीडियो सतह पर हानिरहित लग सकता है, लेकिन वह गुप्त रूप से प्रतिबंधात्मक खान-पान की आदतों को बढ़ावा दे सकता है या किसी को अपने शरीर की तुलना करने के लिए ट्रिगर कर सकता है। प्लेटफार्मों के लिए चुनौती यह है कि वे मददगार रिकवरी कहानियों या सामान्य स्वास्थ्य जानकारी को गलती से हटाए बिना रेखा कहाँ खींचे।
इस पहेली को हल करने के लिए, शोधकर्ताओं की एक टीम ने हानिकारक सामग्री की पहचान करने के लिए नियमों का एक नया सेट बनाने हेतु दो अलग-अलग समूहों को एक साथ लाया। वे केवल कंप्यूटर या अनुमान पर निर्भर नहीं थे; इसके बजाय, उन्होंने 'डेल्फी स्टडी' नामक एक संरचित प्रक्रिया का उपयोग किया, जो फीडबैक के बार-बार दौर के माध्यम से विशेषज्ञों के बीच सहमति बनाने की एक विधि है। टीम ने इक्कीस पेशेवरों को इकट्ठा किया, जिनमें डॉक्टर, शोधकर्ता और क्लिनिशियन शामिल थे जो ईटिंग डिसऑर्डर के क्षेत्र में काम करते हैं, और बीस ऐसे व्यक्ति जिन्हें अतीत में ईटिंग डिसऑर्डर का अनुभव रहा था लेकिन वे अब वर्तमान में निदान (डायग्नोस) से मुक्त हैं। पेशेवर ज्ञान को उन लोगों के वास्तविक अनुभवों के साथ जोड़कर, जिन्होंने इस बीमारी को जिया है, शोधकर्ताओं का लक्ष्य एक स्पष्ट, साझा परिभाषा बनाना था कि क्या चीज़ ऑनलाइन कंटेंट को खतरनाक बनाती है।
प्रक्रिया की शुरुआत में शोधकर्ताओं ने मौजूदा अध्ययनों की समीक्षा की और संभावित नियमों की एक लंबी सूची तैयार करने के लिए साक्षात्कार आयोजित किए। उन्होंने हानिकारक होने वाली साठ-सात अलग-अलग धारणाओं के साथ शुरुआत की, जिसमें पसलियों के दिखने वाले पोस्ट जो दुबलेपन को बढ़ावा देते हैं, से लेकर वे वीडियो जो बिना चिकित्सीय सलाह के विशिष्ट वजन घटाने वाली दवाओं को बढ़ावा देते हैं, तक शामिल थे। इन शुरुआती विचारों का परीक्षण और शोधन सर्वेक्षणों की एक श्रृंखला के माध्यम से किया गया। पहले, एक छोटी संचालन समिति (स्टीयरिंग कमेटी) ने नियमों की समीक्षा की, और फिर विशेषज्ञों के बड़े समूह ने उन पर मतदान किया। प्रत्येक दौर में, विशेषज्ञों ने इस बात पर रेटिंग दी कि क्या एक नियम को रखा जाना चाहिए, और उन्होंने यह भी साझा किया कि कोई नियम बहुत अस्पष्ट या बहुत सख्त क्यों हो सकता है। शोधकर्ताओं ने इन टिप्पणियों का उपयोग नियमों को फिर से लिखने के लिए किया, जिससे वे अधिक सटीक हो सकें, और फिर समूह से दोबारा मतदान करने के लिए कहा। यह चक्र कई बार चला जब तक कि समूह एक अंतिम दिशानिर्देशों के सेट पर एक मजबूत सहमति तक नहीं पहुँच गया।
परिणामस्वरूप, नियमों की एक अंतिम सूची तैयार हुई जिसमें पैंतालीस नियम शामिल थे जिनका उपयोग हानिकारक ईटिंग डिसऑर्डर कंटेंट को पहचानने के लिए किया जा सकता है। विशेषज्ञों ने पाया कि कुछ प्रकार के कंटेंट को हानिकारक मानने पर सहमति बनाना आसान था। उन नियमों ने, जो स्पष्ट और खतरनाक व्यवहारों को लक्षित करते थे, जैसे कि अत्यधिक उपवास को बढ़ावा देना, दुबलेपन को वांछनीय दिखाने के लिए दिखाई देने वाली हड्डियों को दिखाना, या अनियमित वजन घटाने वाली गोलियों को बेचना, लगभग सार्वभौमिक सहमति प्राप्त की। ये वे प्रकार के पोस्ट हैं जो वस्तुनिष्ठ रूप से असुरक्षित हैं। हालाँकि, समूह को उस कंटेंट पर सहमति बनाने में बहुत कठिनाई हुई जो संदर्भ (कॉन्टेक्स्ट) पर बहुत अधिक निर्भर करता है। उदाहरण के लिए, व्यायाम या पोषण के बारे में एक पोस्ट स्वाभाविक रूप से बुरा नहीं है; यह केवल तभी हानिकारक होता है जब यह इन गतिविधियों को शरीर को दंडित करने के तरीके के रूप में पेश करता है या यदि यह सुझाव देता है कि किसी व्यक्ति का मूल्य उसके शारीरिक स्वरूप पर निर्भर करता है। विशेषज्ञों ने नोट किया कि एक स्वस्थ रिकवरी कहानी और एक ट्रिगर करने वाले पोस्ट के बीच अंतर करने के लिए रचनाकार के इरादे और दर्शक की संवेदनशीलता को समझना आवश्यक होता है।
अंततः, अध्ययन ने निष्कर्ष निकाला कि कोई एक एकल, सरल फ़िल्टर नहीं है जो मददगार पोस्ट को भी पकड़े बिना हर हानिकारक पोस्ट को पकड़ सके। अंतिम नियम दर्शाते हैं कि नुकसान केवल इस बारे में नहीं है कि क्या कहा या दिखाया गया है, बल्कि यह इस बारे में भी है कि इसे कैसे प्रस्तुत किया गया है और इसे कौन देख रहा है। जबकि विशेषज्ञ भुखमरी को महिमामंडित करने वाले या असुरक्षित चिकित्सा शॉर्टकट को बढ़ावा देने वाले पोस्टों की आसानी से पहचान कर सकते थे, वे शरीर के माप या रिकवरी नैरेटिव जैसे अधिक अस्पष्ट विषयों के लिए कठोर नियम बनाने में संघर्ष करते रहे। शोधकर्ताओं का सुझाव है कि ये निष्कर्ष बेहतर स्वचालित पहचान प्रणालियों के लिए एक आधार प्रदान करते हैं, लेकिन वे मानवीय निर्णय और संदर्भ-संवेदनशील मॉडरेशन की आवश्यकता को भी उजागर करते हैं। विशेषज्ञों और वास्तविक अनुभव वाले लोगों की दृष्टि से यह समझने के माध्यम से कि वास्तव में नुकसान क्या है, सोशल मीडिया प्लेटफॉर्म रिकवरी का समर्थन करने वाली लाभकारी सामग्री को संरक्षित करते हुए संवेदनशील उपयोगकर्ताओं की सुरक्षा की ओर बढ़ सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।