پژوهشگران موزیلا: دکمه‌های Dislike و Not Interested یوتیوب تزيینی است!

طبق تحقیق جدید موزیلا، قابلیت اعلام علاقه‌مندنبودن کاربران به محتواهای خاص ویدئویی در یوتیوب درست عمل نمی‌کند و حتی بعد از ارسال بازخورد منفی، بازهم پیشنهاد‌های مشابهی برای آن‌ها به‌نمایش در‌می‌آید.

پژوهشگران موزیلا با بررسی داده‌های مربوط به فیلم‌های پیشنهادداده‌شده‌ی یوتیوب به ۲۰ هزار کاربر دریافتند که دکمه‌های Not Interested (علاقه نداشتن)، Dislike (نپسندیدن)، Stop Recommending Channel (توقف پیشنهاد محتوای این کانال) و Remove From Watch History (حذف از تاریخچه‌ی مشاهده) در جلوگیری از نمایش محتواهای مشابهی که موردعلاقه‌ی کاربران نیست، تا حد زیادی بی‌تأثیرند.

گزارش موزیلا نشان می‌دهد که حتی در بهترین حالت با استفاده از دکمه‌های مذکور، بازهم بیش از نیمی از محتواهای پیشنهادی با علاقه‌ی کاربر در تضاد است و در موارد وخیم‌تر نیز در فیلم‌های پیشنهادشده هیچ تغییری رخ نمی‌دهد.

پژوهشگران موزیلا برای جمع‌آوری اطلاعات از فیلم‌ها و کاربران واقعی، از داوطلبانی کمک گرفتند که از افزونه‌ی RegretsReporter این شرکت استفاده می‌کردند. افزونه‌ی مذکور دکمه‌ای به‌ نام Stop Recommending را برای توقف پیشنهاد محتوای مشابه به فیلم‌های مشاهده‌شده‌ی کاربر در یوتیوب اضافه می‌کند.

در پشت پرده، کاربران به‌صورت تصادفی به دو گروه‌ تقسیم شدند؛ به‌نحوی که در گروه آزمایشی با هر کلیک کاربر روی دکمه‌ی مذکور سیگنال متفاوتی شامل Dislike، Not Interested، don’t Recommend Channel و Remove From History به یوتیوب ارسال می‌شد و در گروه کنترل نیز هیچ بازخوردی فرستاده نمی‌شد.

پژوهشگران با استفاده از داده‌های جمع‌آوری‌شده از ۵۰۰ میلیون ویدئو پیشنهادی بیش‌ از ۴۴ هزار جفت ویدئو ایجاد کردند که هر جفت شامل یک فیلم ردشده و فیلم پیشنهادی یوتیوب پس‌از‌آن بود. آن‌ها سپس جفت‌ها را شخصاً یا با یادگیری ماشینی ارزیابی کردند تا متوجه شوند فیلم پیشنهادی یوتیوب با فیلم رد‌شده‌ی کاربر مشابهت دارد یا خیر.

نتایج تحقیق نشان داد که دکمه‌های Dislike و Not Interested یوتیوب اثر بسیار کمی دارند و به‌ترتیب ۱۲ و ۱۱ درصد در جلوگیری از دادن پیشنهاد‌های نامناسب مؤثر بوده‌اند. در همین حال، دکمه‌های Don’t Recommend Channel و Remove From History با تأثیر بیشتر توانسته‌اند به‌ترتیب ۴۳ و ۲۹ درصد از نمایش پیشنهادهای بد جلوگیری کنند. بااین‌حال، پژوهشگران معتقدند که ابزار فراهم‌شده‌ی یوتیوب برای حذف محتوای ناخواسته عملکرد پذیرفتنی ندارد. پژوهشگران می‌گویند:

یوتیوب باید به بازخورد کاربران درباره‌ی تجربه‌شان احترام بگذارد و آن‌ها را سیگنال‌های معناداری به‌حساب بیاورد که نشان می‌دهند چگونه می‌خواهند وقتشان را در این پلتفرم سپری کنند.

النا هرناندز، سخن‌گوی یوتیوب، در واکنش به این پژوهش اظهار کرد که این رفتارها عمدی هستند؛ زیرا پلتفرم مذکور به‌دنبال مسدودکردن تمامی محتواهای مربوط به یک موضوع نیست. همچنین، او با انتقاد از گزارش موزیلا آن را به بی‌توجهی به نحوه‌ی طراحی قابلیت‌های کنترلی یوتیوب متهم کرد. او گفت:

نکته‌ی مهم آن است که قابلیت‌های کنترلی ما تمام موضوع‌ها و دیدگاه‌ها را فیلتر نمی‌کند؛ زیرا ممکن است آثاری منفی مثل «اتاق پژواک» برای بینندگان داشته باشد. ما از تحقیقات آکادمیک روی پلتفرم خود استقبال می‌کنیم؛ به‌همین‌دلیل؛ اخیراً دسترسی به داده‌های API را ازطریق «برنامه‌ی پژوهشی یوتیوب» گسترش داده‌ایم. گزارش موزیلا نحوه‌ی کار سیستم ما را نادیده گرفته است و درنتیجه، نمی‌توانیم برداشت‌های معنادار زیادی از آن کنیم.

به‌گفته‌ی هرناندز، تعریف موزیلا از «مشابه» با نحوه‌ی کار سیستم پیشنهادهای یوتیوب مطابقت ندارد. گزینه‌ی Not Interested فقط ویدئویی خاص را حذف می‌کند و دکمه‌ی Don’t Recommend Channel نیز از پیشنهادشدن کانال مدنظر در آینده جلوگیری می‌کند. طبق اظهارات او، یوتیوب قصد ندارد همه‌ی پیشنهادهای مرتبط با یک موضوع یا نظر یا فرد را متوقف کند.

افزون‌بر یوتیوب، سایر پلتفرم‌ها مثل تیک‌تاک و اینستاگرام‌ نیز همواره ابزارهای بازخورددهی بیشتری را معرفی می‌کنند تا با آموزش‌دادن الگوریتم‌هایشان، محتوای مرتبط با علاقه‌ی کاربر را به او نشان دهند. بااین‌حال، کاربران همیشه از عملکرد نامناسب قابلیت‌های یادشده شکایت کرده‌اند و معتقدند حتی با علامت‌گذاری محتواهای خاص به‌عنوان نامناسب، بازهم شاهد موارد مشابهی هستند.

بکا ریکس، پژوهشگر موزیلا، معتقد است که معلوم نیست کنترل‌های مختلف درحقیقت چه‌ کاری انجام می‌دهند و پلتفرم‌ها نیز درباره‌ی نحوه‌ی درنظر‌گرفتن بازخوردها شفاف‌سازی نمی‌کنند. او می‌گوید:

به‌نظرم یوتیوب سعی می‌کند بین رضایت و درگیرکردن کاربر با محتوا تعادل ایجاد کند تا تعادلی میان محتواهای پیشنهادی با قابلیت جذب کاربر و موارد دلخواه او ایجاد می‌کند. پلتفرم یوتیوب توانایی تعیین اهمیت هرکدام از این موارد را در الگوریتمش دارد؛ ولی پژوهش ما نشان می‌دهد که ممکن است بازخورد کاربر همیشه مهم‌ترین عامل نباشد.