Warum wir nicht alles über YouTubes Algorithmus wissen sollten

Warum wir nicht alles über YouTubes Algorithmus wissen sollten

Inwiefern sind die Suchergebnisse für politische Themen individualisiert? Wie sehr unterscheiden sich Videoempfehlungen voneinander? Und warum werden wir das nie wirklich herausfinden?

DataSkop: https://dataskop.net/

00:00 – Algorithmische Einzelperspektiven
00:53 – Algorithmische Transparenz

02:22 – Die Probleme der Transparenz
03:31 – Die goldene Mitte
04:23 – DataSkop als Datenspendeplattform
05:43 – Der Vorteil für YouTube selbst

#Algorithmus #Ultralativ
_________________________________

PLAYLISTS 🎬
┕Wochenschau ▸ https://bit.ly/2VrEC8l

┕Specials ▸ https://goo.gl/C7huRs
┕Videoessays ▸ https://goo.gl/8gxBTc
┕YouTube Deutschland ▸ https://goo.gl/yxj7bD
┕Thumbnail der Woche ▸ https://goo.gl/jkdNT6

_________________________________

SOCIAL MEDIA 📱
┕Twitter ▸ https://goo.gl/Ixl5Ns
┕Twitch ▸ https://goo.gl/PSjvNq
_________________________________

QUELLEN 🔎
┕ Why The YouTube Algorithm Will Always Be A Mystery

Why The YouTube Algorithm Will Always Be A Mystery

┕ Deep Neural Networks for YouTube Recommendations
https://static.googleusercontent.com/media/research.google.com/de//pubs/archive/45530.pdf
┕ How Much Information? Effects of Transparency on Trust in an Algorithmic Interface
https://rene.kizilcec.com/wp-content/uploads/2016/01/kizilcec2016information.pdf
┕ Digital News Report 2020
https://www.leibniz-gemeinschaft.de/ueber-uns/neues/forschungsnachrichten/forschungsnachrichten-single/newsdetails/digital-news-report-2020.html
┕ Der Third-Person-Effekt — Über den vermuteten Einfluss der Massenmedien
https://link.springer.com/article/10.1007/s11616-007-0171-2

Ultralativ
Die letzte Bastion der Vernunft und Klärwerkstaucher YouTubes. Dazu da die Scheiße auszubuddeln, die jeder eigentlich vergessen wollte.