Examining the Role of YouTube Production and Consumption Dynamics on the Formation of Extreme Ideologies

この論文は、1,100 人の米国人を対象とした 1 年間の YouTube 視聴履歴と 2 回の意識調査を組み合わせる縦断的混合研究により、極端な思想へ変化したユーザーの視聴行動と、怒りや不満を煽るコンテンツを多く生産するチャンネルの特性との関連性を解明し、コンテンツ生産者と視聴者の需要が相互に極端な思想を強化するメカニズムを分析したものである。

要約

この論文は、**「YouTube という巨大な料理屋と、そこで食べる客たちの関係」**について、極端な思想（過激派）がどうやって生まれるのかを解明した研究です。

通常、「アルゴリズムが変な動画ばかりおすすめして、人が過激になるんだ」と言われがちですが、この研究は**「作り手（クリエイター）」と「食べ手（視聴者）」のどちらが主導権を握っているのか**、そして**「怒り」や「不満」といった調味料**がどう使われているかを、1 年間という長い時間をかけて詳しく調べました。

以下に、難しい専門用語を使わず、日常の例えを交えて解説します。

---

🍽️ 研究の舞台：YouTube という巨大なレストラン

想像してください。YouTube は世界中に何百万もの料理（動画）を出す巨大なレストランです。

• 作り手（クリエイター）： 料理を作るシェフたち。
• 食べ手（視聴者）： 料理を食べる客たち。
• アルゴリズム： 客に「おすすめメニュー」を案内するウェイター兼、シェフの給料を決めるマネージャー。

この研究では、1,100 人ものアメリカ人の客に、1 年間何を食べて（見て）いたかを記録させ、同時に「政治的な考え方が極端になったか」をアンケートで聞きました。

🔍 発見その 1：極端な客が食べていた「スパイス」

まず、**「思想が急激に過激になった客（極端グループ）」と「考え方が安定していた客（普通グループ）」**を比べました。

• 極端な客が好んだ料理： 「怒り」や「不満（不条理さ）」という強烈なスパイスが大量に入っている料理でした。
• 普通の客： 彼らも同じスパイスを少しは食べていましたが、極端な客に比べると量はずっと少なかったです。

つまり、過激な思想を持つ人々は、**「怒りや不満を煽るような動画」**を日常的に大量に摂取していたことがわかりました。

🔍 発見その 2：料理屋（チャンネル）の秘密

次に、**「誰がその料理を作っているのか」**を調べました。

• 極端な客が好むチャンネル： ここで作られる料理は、「怒り」や「権力欲」を強調するスパイスが、普通のチャンネルより 40% も多く入っていました。
• 普通のチャンネル： 料理の味はもっと穏やかでした。

これは、単に「客が好きなものを選んでいる」だけではありません。**「過激な客が集まるエリアの料理屋は、最初から怒りを煽るようなメニューを大量に用意している」**という事実が発見されました。

⏳ 発見その 3：どっちがどっちを動かしている？（重要！）

ここがこの研究の一番のハイライトです。
「シェフが客を操っているのか？それとも客の注文でシェフが料理を変えているのか？」

研究者は、時系列データを分析して「どちらが先に動いたか」を調べました（グレンジャー因果性分析という方法を使いました）。

1. 基本的なルール（供給主導）：
   多くの場合、**「シェフ（作り手）が先に新しい料理（動画）を出し、客がそれを見て食べる」**という流れでした。つまり、作り手が世の中の流れを先導している側面が強いです。

2. 例外のルール（「怒り」の特殊なループ）：
   しかし、**「怒り」**というスパイスに限っては、双方向のループが起きていることがわかりました。

   • シェフが「怒りの料理」を出すと、客が食べる。
   • 客が「怒りの料理」を喜んで食べると、シェフは「あ、客はこれが好きなんだ！」と気づき、さらに怒りの料理を量産する。
   • これを繰り返すうちに、「怒り」が加速して、極端な思想がどんどん強まっていくという悪循環（フィードバックループ）が生まれます。

これを**「客の取り込み（Audience Capture）」**と呼びます。シェフは本来、客を教育する立場ですが、客の「怒り」に応えるために、自分まで過激な料理を作るようになってしまったのです。

💡 この研究が教えてくれること（結論）

この研究から、私たちが学ぶべき教訓は以下の 3 点です。

1. アルゴリズムだけが悪者ではない：
   単に「YouTube が変な動画をおすすめしているから」というだけでは説明がつきません。作り手（シェフ）が、視聴者の反応（エンゲージメント）を求めて、あえて「怒り」や「不満」を煽る料理を作っている側面が非常に大きいです。

2. 「怒り」は最強のスパイス：
   政治的な議論において、「怒り」は最も反応が早く、作り手と受け手の間で互いに影響し合い、エスカレートしやすいことがわかりました。

3. 対策のヒント：
   単に「有害な動画」を削除するだけでは、この「怒りのループ」は止まりません。なぜ作り手が怒りを煽る料理を作るのか（プラットフォームの報酬システムなど）、そしてなぜ客がそれを好むのか（人間の心理）という**「仕組み全体」**を見直す必要があります。

📝 まとめ

この論文は、**「YouTube 上の過激な思想は、作り手と受け手が『怒り』というスパイスを共有し合い、互いに刺激し合って加速していく『共進化』の結果である」**と結論づけています。

まるで、**「辛すぎる料理を出せば出すほど、客が辛さを求めてさらに辛さを注文し、シェフがさらに辛くする」**という、止まらなくなる料理の悪循環のようなものです。この仕組みを理解しないと、極端な思想を減らすことはできない、というのがこの研究のメッセージです。

技術概要

論文要約：YouTube の制作・消費ダイナミクスが極端なイデオロギーの形成に果たす役割

1. 研究の背景と問題提起

アルゴリズム駆動型のプラットフォーム（特に YouTube）におけるコンテンツの「制作（供給）」と「消費（需要）」の相互作用は、ユーザーのイデオロギー的行動を形成する上で決定的な役割を果たしています。従来の研究は、アルゴリズムの推薦やユーザーの選択行動（偏った暴露）に焦点を当ててきましたが、「コンテンツ制作者が視聴者に極端なイデオロギーを押し付けているのか（供給主導）」、それとも**「視聴者の需要に応える形で制作者が極端なコンテンツを制作しているのか（需要主導）」**、あるいはその両者の相互作用がどのように極端化を促進しているのかという点については、実証的な研究が不足していました。

本研究は、この「供給と需要のどちらが極端なイデオロギーの拡散を主導しているか」という根本的な問いに対し、長期にわたる行動データとアンケートデータを組み合わせて答えることを目的としています。

2. 研究方法

本研究は、米国在住の 1,100 名の参加者を対象とした**混合研究法（Mixed-methods）**による縦断分析です。

データ収集

• アンケート調査: 2021 年 8 月と 2022 年 8 月の 2 回（1 年間隔）にわたり、人種、ワクチン、移民、中絶、気候変動という 5 つの社会的・政治的ホットトピックに対する態度を調査しました。
• YouTube 視聴履歴: YouGov のパッシブ追跡インフラを通じて、調査期間中の 1 年間の YouTube 視聴履歴を取得しました。
• 参加者の分類:
  • 極端化グループ ($G_{ext}$): 2 回の調査間で、暴力や違法行為への支持意図を示す尺度（Moskalenko & McCauley の尺度に基づく）において、有意に極端な思想へシフトした参加者（14.4%、52 名）。
  • 中立・安定グループ ($G_{neu}$): 思想的な変化が統計的に有意でなかった参加者（77.8%、286 名）。

特徴量抽出と分析手法

• 言語的マーカーの抽出: 視聴された動画のタイトルと字幕（トランスクリプト）を分析し、極端主義の「警告行動（warning behaviors）」に関連する 6 つの言語的特徴を抽出しました。
  • 怒り（Anger）、不満・被害意識（Grievance）、権力（Power）、否定的感情（Negativity）、内集団・外集団の識別（In-/Out-group identification）。
  • これらの測定には、心理学や犯罪学のフレームワーク（LIWC、Grievance Dictionary、VADER など）を適用しました。
• チャンネルの親和性分析: 各グループが頻繁に視聴したチャンネルを特定し、極端化グループに特化したチャンネル（$C_{high}$）と、そうでないチャンネル（$C_{low}$）を分類しました。
• 因果関係の分析: 制作（供給）と消費（需要）の時間的ダイナミクスを評価するため、**グレンジャー因果性分析（Granger Causality Analysis）**を用いました。これにより、過去のコンテンツ制作が将来の消費を予測できるか、あるいはその逆が可能かを検証しました。

3. 主要な発見（結果）

RQ1: 極端化グループの消費行動の特徴

• 怒りと不満の曝露: 思想的に極端化した参加者は、安定した参加者に比べて、**「怒り（Anger）」と「不満（Grievance）」**の言語的マーカーが顕著に高いコンテンツを消費していました。
• 時間的変化: 研究期間を通じて、極端化グループはこれらのマーカーを含むコンテンツの消費が減少傾向にありましたが、それでも中立グループよりも常に高いレベルを維持していました。

RQ2: 極端化に関連するコンテンツ制作の特徴

• 制作側の偏り: 極端化グループに親和性の高いチャンネル（$C_{high}$）は、中立グループ向けチャンネル（$C_{low}$）と比較して、**怒り（+39.8%）、権力（+13.7%）、否定的感情（+7.5%）、不満（+6.5%）**のレベルが有意に高いコンテンツを制作していました。
• ニュースチャンネルの役割: 極端化グループに支持されるチャンネルの多くはニュース・政治系であり、社会情勢（ウクライナ侵攻、インフレなど）に応じて、怒りや不満を煽るような反応的なコンテンツを集中的に制作していました。

RQ3: 制作と消費の影響力の方向性

• 供給主導の傾向: 全体的には、コンテンツ制作（供給）が消費行動を形成する主要な力であることが示されました（特に怒り、権力、外集団マーカーにおいて、制作が消費を予測するグレンジャー因果性が有意でした）。
• 怒りにおける双方向フィードバックループ: 唯一の例外は**「怒り」です。極端化グループにおいて、制作と消費の間に双方向の関係（双方向性）**が確認されました。
  • 制作者が怒りを煽るコンテンツを制作すると、視聴者が消費する。
  • 視聴者が怒りのあるコンテンツを消費すると、制作者がさらに同様のコンテンツを制作する。
  • この「視聴者獲得（Audience Capture）」のメカニズムにより、怒りという感情が極端なコンテンツの拡散を加速・維持するフィードバックループを形成しています。

4. 研究の貢献と意義

学術的貢献

1. 供給と需要の相互作用の解明: 極端化が単なるアルゴリズムの推薦やユーザーの選択だけでなく、プラットフォームのインセンティブ構造（エンゲージメントの最大化）によって刺激された「制作側」と「消費側」の共進化プロセスであることを実証しました。
2. 感情（怒り）の中心的役割: 極端なイデオロギーの拡散において、「怒り」が特に強力な触媒であり、制作と消費の双方向フィードバックループを介して自己増殖するメカニズムを特定しました。
3. データ駆動型の縦断分析: 従来の横断的データやシミュレーション（ボット）ではなく、実際のユーザーの長期行動データと主観的アンケートを結合した高忠実度の分析を行いました。

政策的・社会的意義

• モデレーションの限界: 単に「有害なコンテンツ」を削除する現在のモデレーションアプローチは、アルゴリズムがエンゲージメント（特に怒りや不満）を報酬として与えるインセンティブ構造そのものを無視している可能性を示唆しています。
• プラットフォーム設計の再考: 効果的なガバナンスのためには、アルゴリズムの推薦、システム設計、そして認知バイアスを考慮した、より包括的な介入戦略が必要であることが示されました。

5. 結論

本研究は、YouTube などのプラットフォームにおいて、極端なイデオロギーの形成は、制作者が視聴者を支配するのではなく、**視聴者の反応（特に怒り）に制作者が迎合し、それがアルゴリズムによって増幅される「双方向の共進化プロセス」**であることを明らかにしました。特に「怒り」は、このフィードバックループの中心に位置し、極端なコンテンツの持続的な拡散を駆動しています。プラットフォームは、単なるコンテンツの削除ではなく、このインセンティブ構造自体を見直す必要があります。