ChildSafeAds Shared Task 2026: Commercial Content in Child-Facing YouTube Videos

Immagina di sederti a guardare un video su come costruire una casa sull'albero o risolvere un complicato enigma matematico. Il creatore ti parla direttamente, condividendo consigli e storie con una voce amichevole e familiare. Improvvisamente, senza interrompere il flusso, menziona una marca specifica di colla o una nuova app, spiegando perché è lo strumento perfetto per il lavoro. Per molti bambini e adolescenti, questa fusione fluida tra intrattenimento e vendita è difficile da individuare. A differenza di uno spot pubblicitario televisivo tradizionale che interrompe il programma con un jingle rumoroso, questo tipo di pubblicità si nasconde all'interno del contenuto stesso. Poiché appare e suona come il resto del video, i giovani spettatori spesso non si rendono conto di stare subendo una vendita. Questa confusione non è solo un piccolo fastidio; è una preoccupazione legale ed etica. Le leggi in molti luoghi richiedono che, quando qualcuno viene pagato per promuovere un prodotto, debba dichiararlo chiaramente al pubblico. Eppure, nel vasto e caotico mondo dei video online, questi avvisi sono spesso mancanti, sepolti in lunghe descrizioni o scritti in un linguaggio troppo sottile per essere compreso da un bambino.

I ricercatori si preoccupano da tempo che gli attuali sistemi di monitoraggio di questi video non siano sufficienti. Spesso si affidano alle etichette della piattaforma video stessa, che i creatori dovrebbero aggiungere quando hanno una partnership a pagamento. Tuttavia, un nuovo studio suggerisce che affidarsi solo a queste etichette farebbe perdere un numero enorme di messaggi commerciali. Per comprendere la reale entità del problema, un team di ricercatori di università olandesi ha creato un nuovo modo per analizzare i dati. Hanno costruito un compito condiviso, una sorta di sfida organizzata per informatici, per vedere se le macchine potessero identificare queste vendite occulte e capire cosa ci fosse di sbagliato. L'obiettivo non era solo trovare le pubblicità, ma capire cosa stavano vendendo e se stavano violando le regole progettate per proteggere i giovani.

Il team ha iniziato raccogliendo una collezione massiccia di clip video. Non hanno guardato ogni video su internet, ma si sono concentrati su uno strumento specifico chiamato SponsorBlock. Questo è un progetto guidato dalla comunità in cui gli spettatori regolari segnano l'inizio e la fine esatta dei segmenti di sponsorizzazione nei video affinché altri possano saltarli. I ricercatori hanno preso questi indicatori inseriti dagli utenti come punto di partenza, sapendo che se un utente umano sentiva il bisogno di saltare una parte, era probabile che si trattasse di un messaggio commerciale. Hanno raccolto 3.360 di questi segmenti da quasi mille canali diversi che sono popolari tra gli adolescenti. Per ogni segmento, hanno raccolto tutto ciò che era disponibile: le parole pronunciate nella clip, il titolo del video, il nome del canale e i link che il creatore ha inserito nella casella della descrizione. Sono persino seguiti quei link fino ai siti web effettivi dove i prodotti venivano venduti. Ciò ha creato un dataset ricco dove un sistema informatico poteva analizzare una breve trascrizione, o scavare più a fondo nei dettagli del video e nella pagina del prodotto, per emettere un giudizio.

I ricercatori hanno poi impostato tre compiti specifici per i sistemi informatici. Primo, il sistema doveva decidere che tipo di offerta veniva fatta. Il creatore stava vendendo un oggetto fisico come un giocattolo, un servizio digitale come un gioco o qualcos'altro? Secondo, il sistema doveva categorizzare il prodotto. Era cibo, moda, consigli sulla salute o forse qualcosa di rischioso come il gioco d'azzardo? Infine, e soprattutto, il sistema doveva agire come un guardiano legale. Doveva segnalare potenziali problemi, come un'affermazione che sembrava troppo bella per essere vera, la mancanza di una chiara dichiarazione del tipo "questa è una pubblicità", o una spinta diretta a un bambino per acquistare qualcosa proprio in quel momento. I ricercatori hanno progettato il compito in modo che i team potessero scegliere quanta informazione utilizzare. Alcuni sistemi potrebbero leggere solo la trascrizione, che è economico e facile da ottenere. Altri potrebbero navigare nei siti web collegati, il che è molto più costoso e lungo. Ciò ha permesso ai ricercatori di vedere se lo sforzo extra di raccogliere più dati portasse effettivamente a risultati migliori.

Quando il team ha analizzato i dati raccolti, ha scoperto una realtà sorprendente. Quasi la metà dei video nella loro collezione, precisamente il 45,5 percento, non utilizzava l'etichetta ufficiale di "promozione a pagamento" fornita dalla piattaforma video. Ciò significa che se i regolatori o i genitori cercassero solo quella specifica etichetta, perderebbero quasi la metà del contenuto commerciale rivolto ai giovani. Lo studio ha anche rivelato che l'identificazione di queste pubblicità è difficile per i computer. Mentre i sistemi erano piuttosto bravi a capire che tipo di prodotto veniva venduto, faticavano significativamente con i segnali legali. I computer spesso erano in disaccordo sul fatto che una dichiarazione fosse abbastanza chiara o se un'affermazione fosse fuorviante. Questo disaccordo evidenzia che comprendere le sfumature del linguaggio e del contesto, specialmente quando si tratta di proteggere i bambini, è una sfida complessa che le macchine non sono ancora in grado di risolvere perfettamente.

I ricercatori hanno utilizzato modelli avanzati di intelligenza artificiale per creare le etichette per il loro dataset, lavorando a stretto contatto con esperti legali per perfezionare le regole. Non hanno solo tirato a indovinare; hanno iterato sulle loro definizioni, controllando i campioni e regolando il modo in cui chiedevano al computer di pensare. Ad esempio, hanno ristretto la definizione di "esortazione diretta", ovvero l'atto di esortare un bambino a comprare qualcosa, per garantire che il computer segnalasse solo il linguaggio che realmente metteva pressione a un bambino, piuttosto che un semplice suggerimento generico a cliccare su un link. Anche con questi passaggi accurati, i modelli informatici commettevano comunque errori. Nel set di test, due diversi e potenti modelli concordavano sull'esatto insieme di segnali legali in meno della metà dei casi. Ciò suggerisce che, sebbene la tecnologia possa aiutare a scansionare migliaia di video, non può ancora sostituire il giudizio umano nel determinare se una pubblicità sia davvero sicura per un pubblico giovane.

Lo studio conclude che il monitoraggio dei contenuti rivolti ai bambini richiede molto più che la semplice ricerca di etichette ufficiali. Richiede un esame più approfondito del contenuto stesso, dei link forniti e del linguaggio specifico utilizzato. I ricercatori hanno reso pubblici i loro dati e le regole del compito, invitando altri scienziati a costruire sistemi migliori. Hanno sottolineato che il loro lavoro è un punto di partenza per la ricerca, non una soluzione finale. Il dataset che hanno creato è un'istantanea di un momento specifico nel tempo e presenta delle limitazioni. Include solo i video in cui qualcuno ha già segnalato una sponsorizzazione e si basa su link che erano ancora funzionanti quando sono stati controllati. Non include video che erano puramente commerciali o canali che non avevano superato il loro screening per l'attrattiva adolescenziale. Nonostante questi limiti, il lavoro fornisce un quadro chiaro della situazione attuale: una vasta quantità di contenuti commerciali passa inosservata ai sistemi di monitoraggio attuali, spesso senza i chiari avvisi richiesti dalla legge. La strada da percorrere prevede la costruzione di strumenti che possano comprendere il contesto così come comprendono le parole, garantendo che il mondo digitale rimanga uno spazio sicuro per i bambini per imparare e giocare senza essere inconsapevolmente venduti.