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

家づくりや難しい数学パズルの解き方についての動画を見ようと、席に着いたところを想像してみてください。クリエイターは親しみやすく、聞き慣れた声で、あなたに直接語りかけ、ヒントや物語を共有してくれます。すると突然、流れを止めることもなく、特定のブランドの接着剤や新しいアプリについて、それがなぜその仕事に最適なツールであるかを説明しながら言及します。多くの子供やティーンエイジャーにとって、このようなエンターテインメントと販売のシームレスな融合を見抜くことは困難です。音楽が鳴り響く伝統的なテレビCMが番組を中断するのとは異なり、この種の広告はコンテンツそのものの中に隠れています。動画の他の部分と同じように見え、聞こえるため、若い視聴者は自分が何かを売られていることに気づかないことがよくあります。この混乱は単なる小さな迷惑ではありません。これは法的かつ倫理的な懸念事項です。多くの場所の法律では、誰かが製品を宣伝するために報酬を得ている場合、観客に対して明確に伝えなければならないと定められています。しかし、広大で混沌としたオンライン動画の世界では、これらの警告が欠落していたり、長い説明文の中に埋もれていたり、あるいは子供には理解できないほど微妙な表現で書かれていたりすることがよくあります。

研究者たちは、これらの動画を監視するための現在のシステムが十分ではないことを以前から懸念してきました。それらは多くの場合、動画プラットフォーム独自のラベルに依存しており、そのラベルはクリエイターが有料パートナーシップを行っている際に付与することになっているものです。しかし、ある新しい研究は、これらのラベルだけに頼ることは、膨大な数の商業メッセージを見逃すことを示唆しています。問題の真の規模を理解するために、オランダの大学の研究チームは、新しいデータ分析手法を考案しました。彼らは、コンピュータ科学者がこれらの隠れたセールス・ピッチ（売り込み）を特定し、何が問題であるかを判断できるかどうかを確認するための、一種の組織化されたチャレンジである「共有タスク」を構築しました。目的は、単に広告を見つけることではなく、何を売っているのか、そしてそれが若者を保護するために設計されたルールに違反しているかどうかを理解することでした。

チームはまず、膨大なビデオクリップのコレクションを集めました。彼らはインターネット上のすべての動画を見たわけではなく、代わりに「SponsorBlock」と呼ばれる特定のツールに焦点を当てました。これは、視聴者が動画内のスポンサーセグメントの正確な開始時刻と終了時刻をマークし、他の人がそこをスキップできるようにするコミュニズ主導のプロジェクトです。研究者たちは、人間（視聴者）がスキップする必要性を感じた部分は、おそらく商業的なメッセージであると考えて、これらのユーザー投稿によるマーカーを出発点としました。彼らは、ティーンエイジャーに人気の高い約1,000の異なるチャンネルから、3,360のセグメントを収集しました。各セグメントについて、彼らは利用可能なあらゆる情報を集めました。クリップ内で話されている言葉、動画のタイトル、チャンネル名、そしてクリエイターが説明欄に記載したリンクです。彼らはさらに、それらのリンクを辿って、実際に製品が販売されているウェブサイトまで調査しました。これにより、コンピュータシステムが短いトランスクリプト（書き起こし）を参照したり、動画の詳細や製品ページを深く掘り下げたりして、判断を下すことができる、豊かなデータセットが作成されました。

研究チームは、コンピュータシステムが行うべき3つの具体的なタスクを設定しました。第一に、システムは何の種類のお願い（オファー）が行われているかを判断しなければなりません。クリエイターは、おもちゃのような物理的な物体を売っているのか、ゲームのようなデジタルサービスを売っているのか、あるいは全く別の何かを売っているのか。第二に、システムは製品を分類する必要があります。それは食品なのか、ファッションなのか、健康に関するアドバイスなのか、あるいはギャンブルのようなリスクのあるものなのか。そして最後に、最も重要なこととして、システムは法的な監視役として機能しなければなりません。それは、「これは広告です」と明確に述べているか、あるいはあまりにも話が良すぎる主張をしていないか、あるいは子供に対して今すぐ何かを買うよう直接的に促していないかといった、潜在的な問題をフラグ立てする必要があります。研究者たちは、チームがどの程度の情報を使用するかを選択できるようにタスクを設計しました。一部のシステムは、取得が安価で容易なトランスクリプトのみを読むかもしれません。他のシステムは、リンクされたウェブサイトをクロールするかもしれません。これはよりコストがかかり、時間がかかる作業です。これにより、より多くのデータを収集するという追加の努力が、実際に優れた結果につながるかどうかを研究者が確認できるようにしました。

チームが収集したデータを分析したところ、驚くべき現実が判明しました。収集した動画のほぼ半分、具体的には45.5パーセントが、動画プラットフォームが提供している公式の「有料プロモーション」ラベルを使用していませんでした。これは、もし規制当局や保護者がその特定のラベルだけを探しているならば、若者を対象とした商業コンテンツのほぼ半分を見逃してしまうことを意味します。また、この研究は、これらの広告を特定するタスクがコンピュータにとって困難であることを明らかにしました。システムは、どのような製品が売られているかを特定することには非常に優れていましたが、法的なフラグ立てについては著しく苦戦しました。コンピュータは、開示が十分に明確であるか、あるいは主張が誤解を招くものであるかについて、互いに意見が食い違うことがよくありました。この不一致は、言語のニュアンスや文脈、特に子供を守ることに関する理解が、機械がいまだに完璧に解決できるほど単純ではない複雑な課題であることを浮き彫りにしています。

研究者たちは、高度な人工知能モデルを使用してデータセットのラベルを作成し、法務専門家と密接に協力してルールを精査しました。彼らは単に推測したのではなく、サンプルをチェックし、コンピュータへの指示方法を調整しながら、定義を反復的に洗練させていきました。例えば、「直接的な勧誘（direct exhortation）」、つまり子供に何かを買うよう促すことの定義を絞り込み、単にリンクをクリックするように促す一般的な提案ではなく、本当に子供にプレッシャーを与えるような言語のみをフラグ立てするようにしました。このような慎重なステップを踏んだにもかかわらず、コンピュータモデルは依然として間違いを犯しました。テストセットにおいて、2つの異なる強力なモデルが、法的なフラグのセットについて完全に一致したのは、ケースの半分にも満たない場合でした。これは、テクノロジーが何千もの動画をスキャンする助けにはなるものの、広告が若い観客にとって本当に安全であるかどうかを判断する上で、人間の判断を置き換えることはまだできないことを示唆しています。

研究は、子供向けのコンテンツを監視するには、単に公式のラベルを探すだけでは不十分であると結論付けています。コンテンツそのもの、提供されているリンク、そして使用されている特定の言語をより深く調査することが求められます。研究者たちは、自分たちのデータとタスクのルールを公開し、他の科学者がより優れたシステムを構築できるよう招待しました。彼らは、自分たちの研究は一つの出発点であり、最終的な解決策ではないことを強調しました。彼らが作成したデータセットは、特定の時点のスナップショットであり、限界もあります。それは、誰かがすでにスポンサーシップをマークした動画のみを含んでおり、チェック時にリンクがまだ機能していたものに依存しています。純粋に商業的な動画や、ティーンエイジャー向けとしての審査を通過しなかったチャンネルは含まれていません。これらの制限はあるものの、この研究は現在の状況を明確に描き出しています。膨大な量の商業的コンテンツが、現在の監視システムの隙間から滑り落ちており、多くの場合、法律が求める明確な警告なしに行われているのです。今後の道筋は、言葉だけでなく文脈も理解できるツールを構築することであり、それによってデジタル世界が、子供たちが知らぬ間に物を売られることなく、安心して学び、遊べる場所であり続けることを保証することです。