5 praktische Beispiele, wie Vielfalt algorithmischer Sortierung aussehen kann
Engagement ist leicht zu messen. Plattformen wie Facebook und Youtube haben massig Nutzerreaktionen wie Klicks, Scrollgeschwindigkeit, Likes, Sehdauer von Videos, Kommentarfrequenz. Doch auf diese Art gemessenes Engagement korreliert im Netz selten mit Wahrheit, gesellschaftlicher Integration, konstruktiven Diskurs oder Empathie. Diese Erkenntnis kommt nun langsam im Mainstream an – dank einiger neuer Empirie etwa zu YouTube. Nun macht sich etwas Ratlosigkeit breit. Okay, kurzfristige, impulsive Reaktionen sind eine schlechte Währung für Relevanz. Doch was ist die Alternative? Was soll man denn stattdessen messen?
Um da wieder etwas Phantasie in die Diskussion zu bringen, habe ich einige Alternativen zusammengetragen. Denn wenn man etwas anders machen will, ist die Analyse der Fehler nur die eine Hälfte. Die andere ist ebenso wichtig: Was wäre möglich? Deshalb hier fünf alternative Sortierideen fürs Feeds auf Plattformen. Alle hat zumindest im Ansatz schon jemand umgesetzt. Direkt bei den großen Plattformen ist jedoch nichts derartiges zu finden.
1. Lautstärke und Höflichkeit
Wie ist ein Beitrag formuliert? Wer weniger Gebrüll und Geschimpfe will, regelt die Laustärke herunter. Wen die Nachrichten nicht mehr anbrüllen, der regt sich seltener auf, reagiert weniger emotional auf Inhalte und blendet etwas Sensationalismus und Getrolle aus.
Das MIT-Projekt gobo.social bietet einen Relevanzfilter an, der in diese Richtung weist: Der „Rudeness“-Grad (Unhöflichkeit) lässt sich regeln, ein Algorithmus analysiert die Texte im eigenen Feed und blendet Beiträge mit Formulieren wie „extremely fucking wild“ aus.
2. ausgewerteter Zeitraum und Viralität
Nuzzle ist ein Werkzeug, mit dem jeder die Linkempfehlungen der eigenen Kontakte auf Twitter, Facebook oder Linkedin auswerten kann. Der Dienst hat so einen einfachen wie wirkungsvollen Filter: Man kann den Zeitraum bestimmen, aus dem Reaktionen anderer einbezogen werden. Die vergangenen 60 Minuten? 24 Stunden? Die vorige Woche? Oder ein bestimmter Tag? Lässt sich alles mit einem Klick auswählen. Mir fällt dabei immer wieder auf: Je länger der Zeitraum ist, desto weiter oben stehen interessante, relevante, mainstreamige Geschichten („Welsh police wrongly identify thousands as potential criminals“. Je kürzer der Zeitraum, desto mehr Strohfeuerchen stehen oben („Tiergarten-Sumpfkrebse kommen auf die Speisekarte“).
Meine Vermutung ist, dass ein längerer Zeitraum etwas sogenannte Viralität rausnimmt: Empfehlungen, die in sehr kurzer Zeit sehr oft wiederholt werden. gobo.social adressiert das direkt mit der Filteroption „virality“. Dafür wertet der Dienst die Anzahl der Favorisierungen und Empfehlungen einzelner Beiträge im Zeitverlauf aus.
3. Themen und Ressorts
Neue Operationalisierung für ein altes Konzept: In redaktionell kuratierten Medien ist Vielfalt auch dadurch gegeben, sichtbar und nutzbar, dass es Ressorts wie Politik, Wirtschaft, Kultur oder Vermischtes gibt. Man nimmt nicht nur wahr, was vorne steht, sondern auch, was in den Ressorts zu finden ist. Das bereichert die Wahrnehmung um eine weitere Dimension.
Gobo.social versucht die Themenbreite über einen „Ernsthaftigkeits“-Regler greifbar zu machen. Themenfelder wie Politik oder Sport soll ein algorithmisches System erkennen. Trainiert wurde es an von Menschen verschlagworteten Artikeln aus der New York Times. Als nicht ernsthaft genug rausgefiltert werden dann zum Beispiel Kaffeehaus-Fotos.
4. Textlängen und Informationsdichte
Ich kenne keine Plattform, auf der sich Empfehlungen nach quantifizierbaren Merkmalen der verlinkten Inhalte filtern lassen. Schade! Denn laut Frederic Filloux vom deepnews.ai-Projekt gibt es einige Hinweise darauf, dass Qualität und die Lesbarkeit des Textes, die Informationsdichte (Anzahl wörtlicher Zitate und erwähnter Organisationen) und die Textlänge korrelieren. Das wäre ein Experiment wert!
5. Experimentierfreude
Die wichtigste Erkenntnis für mich: Die Relevanzauswahl muss viel interaktiver gestaltet sein. Menschen müssen nicht nur wählen und bestimmen können, wie ihr Nachrichtenstrom aussieht. Es muss auch ständig konkrete Erklärungen und Anreize für Experimente geben. Gobo.social zum Beispiel zeigt immer nur einen Klick entfernt alles an, was gefiltert wurde. Bei jedem aufgegriffenen oder rausgefilterten Beitrag sind auch am konkreten Beispiel die entscheidenden Kriterien für die Selektion aufgeführt. Zum Beispiel: Sie sehen diesen Beitrag, weil er nicht von einer Marke oder einem Unternehmen stammt, weil er nicht besonders ernsthaft ist und zu den oberen 25% der populärsten Beiträge derzeit zählt. Prominent eingeblendete Schieberegler für alle Filterkriterien animieren zum Ausprobieren und rufen immer wieder ins Bewusstseins: Diese Auswahl ist nicht naturgegeben, sondern bloß berechnet – auf Basis irgendwelcher Vorannahmen.
Fazit: Soziale Infrastruktur von den Diensten darauf trennen
tl;dr Um Inhalte im Feed von Plattformen zu sortieren, gibt es viel mehr und viel bessere Signale als stumpfes Engagement. Entscheidend ist, dass Nutzer die Vielfalt der Alternativen einfach ausprobieren und mit der Auswahl experimentieren können. So etwas erlauben die dominierenden Plattformen derzeit nicht.
Möglich würde Bring-your-own-Algorithm erst, wenn Plattformen als Infrastruktur reguliert, standardisiert und von den auf der Infrastruktur laufenden Diensten getrennt sind. So wie es unter Windows mehrere Browser gibt, im Stromnetz mehrere Stromanbieter konkurrieren und über den Internetprovider alle Internetportale sind, müssen Menschen in ihrem sozialen Netzwerk oder ihrer Videoplattform zwischen vielen Sortierdiensten unterschiedlicher Anbieter wählen können.
- Auf Twitter teilen
- Auf Facebook teilen
- Auf LinkedIn teilen
- Auf Pinterest teilen
- Per E-Mail teilen
- Link kopieren
