Beyza
New member
3. ShadowBan Testi Nasıl Yapılır? Veriye Dayalı Bir Kontrol Yöntemi
İnternette “shadowban test aracı” adıyla sunulan çeşitli siteler bulunabilir. Ancak bu araçların platformların iç moderasyon sistemlerine doğrudan eriştiği varsayılmamalıdır. Bir aracın gönderiyi arama sonuçlarında bulamaması, hesabın kesin olarak shadowban uygulamasına maruz kaldığını göstermez.
Daha güvenilir bir yöntem, hesabın kendi verilerini düzenli biçimde karşılaştırmaktır.
Birinci adım: Başlangıç performansını belirleyin.
Son 10-20 benzer paylaşımın erişim, görüntülenme ve etkileşim verilerini kaydedin. İçerik türleri birbirinden çok farklıysa bunları aynı grupta değerlendirmeyin.
İkinci adım: Erişimin nereden geldiğini inceleyin.
Platform bu verileri sunuyorsa takipçilerden gelen erişimle takipçi olmayanlardan gelen erişimi ayırın. Böylece sorunun genel etkileşimde mi, öneri dağıtımında mı yoğunlaştığını daha iyi anlayabilirsiniz.
Üçüncü adım: Hesap durumunu kontrol edin.
Platformun resmî hesap durumu, topluluk kuralları, içerik uygunluğu ve itiraz ekranlarını inceleyin. Varsa uyarının tarihini ve hangi gönderiyle ilişkili olduğunu not edin.
Dördüncü adım: Zaman içindeki değişimi değerlendirin.
Bir gönderinin ilk saatlerde düşük performans göstermesiyle haftalar boyunca sürekli düşük erişim alması aynı şey değildir. Farklı günlerde yayımlanan benzer içeriklerde aynı örüntünün görülüp görülmediğine bakın.
Beşinci adım: Bulguları birlikte yorumlayın.
Aşağıdaki tablo, gözlemlerin ne ölçüde anlamlı olduğunu ayırt etmeye yardımcı olabilir.
Gözlem Ne düşündürür? Kanıt gücü
Tek bir gönderinin az görüntülenmesi Normal performans dalgalanması olabilir Düşük
Birçok benzer gönderide takipçi dışı erişimin düşmesi Öneri dağıtımı incelenebilir Orta
Arama sonuçlarında tekrarlayan görünürlük sorunu Arama filtreleri veya içerik uygunluğu etkili olabilir Orta
Resmî hesap durumunda öneri kısıtlaması bildirimi Belirli bir dağıtım kısıtlamasına işaret eder Yüksek
Farklı bağımsız göstergelerin aynı anda değişmesi Daha kapsamlı inceleme gerektirir Duruma bağlı
Buradaki kanıt güçleri istatistiksel olarak doğrulanmış bir ölçek değil, pratik değerlendirmeyi kolaylaştıran nitel bir sınıflandırmadır. En güvenilir sonuç, platformun resmî bildirimi ile hesap verilerinin birlikte incelenmesinden çıkar.
4. Erkeklerin ve Kadınların Bakış Açıları: Veri Odaklılık ile Duygusal ve Toplumsal Etkiler
ShadowBan tartışmasını yalnızca teknik bir problem olarak ele almak, kullanıcıların yaşadığı farklı deneyimleri gözden kaçırabilir. Öte yandan, deneyimlerin duygusal boyutuna odaklanırken ölçülebilir göstergeleri ihmal etmek de yanlış sonuçlara yol açabilir.
Erkeklerin daha objektif ve veri odaklı, kadınların ise daha duygusal ve toplumsal sonuçlara odaklı olduğu yönündeki karşılaştırma, ancak bir tartışma modeli olarak kullanılmalıdır. Bu ayrımı bütün erkeklere ve bütün kadınlara genellemek için yeterli kanıt yoktur.
A) Veri odaklı yaklaşım: Sayılar ne anlatıyor?
Veri odaklı bir kullanıcı, shadowban şüphesini önce ölçülebilir değişkenlerle değerlendirebilir. Örneğin bir içerik üreticisi, son 30 gönderisinin ortalama erişimini, etkileşim oranını ve takipçi olmayanlara ulaşma miktarını karşılaştırabilir.
Bu yaklaşımın güçlü yanı, kişisel izlenimleri sınanabilir sorulara dönüştürmesidir. “Kimse beni görmüyor” düşüncesi yerine “Son iki haftada takipçi olmayanlardan gelen erişim ne kadar değişti?” sorusu sorulur.
Örnek olarak, teknoloji üzerine içerik paylaşan bir kullanıcı düşünelim. Kullanıcının görüntülenmeleri düşmüş, ancak paylaşım sıklığı da azalmış olsun. Yalnızca görüntülenme sayısına bakan biri platformun hesabını kısıtladığını düşünebilir. Daha ayrıntılı analiz yapan biri ise içerik sıklığındaki değişimi ve paylaşım konularının farklılaşmasını da hesaba katacaktır.
Bu yaklaşım, kullanıcıyı hemen bir sonuca varmak yerine alternatif açıklamaları araştırmaya yönlendirir.
Ancak veri odaklılık da kusursuz değildir. Ölçümler, platformun hangi gönderiyi neden daha az dağıttığını her zaman açıklamaz. Bir hesapta erişim düşüşü saptanabilir ama bunun nedeninin gizli bir yaptırım olduğu yalnızca bu verilerden çıkarılamaz.
B) Duygusal ve toplumsal yaklaşım: Görünürlük kaybı ne hissettiriyor?
Bir başka kullanıcı, görünürlük düşüşünü yalnızca rakamlarla değerlendirmeyebilir. Uzun süredir emek verdiği bir hesabın etkileşimi azalınca kendisini dışlanmış, değersizleştirilmiş veya haksızlığa uğramış hissedebilir.
Bu tepkiyi basitçe aşırı hassasiyet olarak yorumlamak doğru olmaz. Özellikle sosyal medyayı mesleki tanıtım, topluluk oluşturma veya kişisel deneyimlerini paylaşma amacıyla kullanan kişiler için görünürlük kaybının gerçek sonuçları olabilir.
Örneğin küçük bir işletme sahibi, ürünlerini sosyal medya üzerinden tanıtıyor ve satışlarının önemli bir bölümünü bu kanaldan sağlıyor olabilir. Erişimdeki düşüş yalnızca moralini etkilemez; müşteri taleplerini ve gelirini de etkileyebilir. Benzer biçimde, çevrim içi topluluklarda deneyimlerini paylaşan bir kişi, yorumlarının görünmediğini düşündüğünde kendisini topluluğun dışında kalmış hissedebilir.
Burada duygusal deneyim, teknik sorunun kanıtı değildir; fakat sorunun kullanıcı açısından neden önemli olduğunu anlamamızı sağlar.
C) Cinsiyet deneyimleri neden önemlidir?
Pew Research Center'ın 2021'de yayımladığı ve 2020 yılında ABD'de 10.093 yetişkinle yapılan ankete dayanan araştırması, çevrim içi taciz deneyimlerinde cinsiyete göre bazı farklılıklar bulunduğunu gösteriyor. Araştırmada erkeklerin yüzde 43'ü, kadınların ise yüzde 38'i ölçülen çevrim içi taciz türlerinden en az birini yaşadığını belirtmiş. Buna karşılık kadınlar çevrim içi cinsel tacize daha sık maruz kaldıklarını bildirmiş: oran kadınlarda yüzde 16, erkeklerde yüzde 5. Çevrim içi takip edilme bildirimlerinde de kadınların oranı daha yüksek bulunmuş. Pew Research Center+1
Bu veriler shadowban'ın cinsiyete göre farklı uygulandığını göstermiyor. Araştırma, gizli görünürlük kısıtlamalarını değil, çevrim içi taciz deneyimlerini inceliyor. Bununla birlikte dijital ortamda yaşanan olumsuz deneyimlerin herkes için aynı biçimde algılanmayabileceğini anlamamıza yardımcı oluyor.
Örneğin kadın bir içerik üreticisi, tartışmalı bir paylaşımın ardından hem erişiminin düştüğünü hem de cinsiyetçi yorumlarla karşılaştığını fark edebilir. Bu kişi için görünürlük sorunu, yalnızca algoritmanın performansıyla değil, çevrim içi ortamda güvenli hissetmekle de bağlantılı olabilir.
Başka bir örnekte erkek bir oyun yayıncısı, yayınlarına katılımın düşmesini önce izleyici sayıları üzerinden değerlendirebilir. Ancak aynı kullanıcı da hedef gösterilme, tehdit veya topluluk dışına itilme gibi deneyimler yaşayabilir. Bu nedenle veri odaklı değerlendirme erkeklere, duygusal değerlendirme kadınlara özgü değildir.
Asıl farkı yaratan etkenler arasında kişisel deneyimler, meslek, içerik türü, çevrim içi topluluğun yapısı ve kişinin sosyal medyayı kullanma amacı bulunabilir.
İnternette “shadowban test aracı” adıyla sunulan çeşitli siteler bulunabilir. Ancak bu araçların platformların iç moderasyon sistemlerine doğrudan eriştiği varsayılmamalıdır. Bir aracın gönderiyi arama sonuçlarında bulamaması, hesabın kesin olarak shadowban uygulamasına maruz kaldığını göstermez.
Daha güvenilir bir yöntem, hesabın kendi verilerini düzenli biçimde karşılaştırmaktır.
Birinci adım: Başlangıç performansını belirleyin.
Son 10-20 benzer paylaşımın erişim, görüntülenme ve etkileşim verilerini kaydedin. İçerik türleri birbirinden çok farklıysa bunları aynı grupta değerlendirmeyin.
İkinci adım: Erişimin nereden geldiğini inceleyin.
Platform bu verileri sunuyorsa takipçilerden gelen erişimle takipçi olmayanlardan gelen erişimi ayırın. Böylece sorunun genel etkileşimde mi, öneri dağıtımında mı yoğunlaştığını daha iyi anlayabilirsiniz.
Üçüncü adım: Hesap durumunu kontrol edin.
Platformun resmî hesap durumu, topluluk kuralları, içerik uygunluğu ve itiraz ekranlarını inceleyin. Varsa uyarının tarihini ve hangi gönderiyle ilişkili olduğunu not edin.
Dördüncü adım: Zaman içindeki değişimi değerlendirin.
Bir gönderinin ilk saatlerde düşük performans göstermesiyle haftalar boyunca sürekli düşük erişim alması aynı şey değildir. Farklı günlerde yayımlanan benzer içeriklerde aynı örüntünün görülüp görülmediğine bakın.
Beşinci adım: Bulguları birlikte yorumlayın.
Aşağıdaki tablo, gözlemlerin ne ölçüde anlamlı olduğunu ayırt etmeye yardımcı olabilir.
Gözlem Ne düşündürür? Kanıt gücü
Tek bir gönderinin az görüntülenmesi Normal performans dalgalanması olabilir Düşük
Birçok benzer gönderide takipçi dışı erişimin düşmesi Öneri dağıtımı incelenebilir Orta
Arama sonuçlarında tekrarlayan görünürlük sorunu Arama filtreleri veya içerik uygunluğu etkili olabilir Orta
Resmî hesap durumunda öneri kısıtlaması bildirimi Belirli bir dağıtım kısıtlamasına işaret eder Yüksek
Farklı bağımsız göstergelerin aynı anda değişmesi Daha kapsamlı inceleme gerektirir Duruma bağlı
Buradaki kanıt güçleri istatistiksel olarak doğrulanmış bir ölçek değil, pratik değerlendirmeyi kolaylaştıran nitel bir sınıflandırmadır. En güvenilir sonuç, platformun resmî bildirimi ile hesap verilerinin birlikte incelenmesinden çıkar.
4. Erkeklerin ve Kadınların Bakış Açıları: Veri Odaklılık ile Duygusal ve Toplumsal Etkiler
ShadowBan tartışmasını yalnızca teknik bir problem olarak ele almak, kullanıcıların yaşadığı farklı deneyimleri gözden kaçırabilir. Öte yandan, deneyimlerin duygusal boyutuna odaklanırken ölçülebilir göstergeleri ihmal etmek de yanlış sonuçlara yol açabilir.
Erkeklerin daha objektif ve veri odaklı, kadınların ise daha duygusal ve toplumsal sonuçlara odaklı olduğu yönündeki karşılaştırma, ancak bir tartışma modeli olarak kullanılmalıdır. Bu ayrımı bütün erkeklere ve bütün kadınlara genellemek için yeterli kanıt yoktur.
A) Veri odaklı yaklaşım: Sayılar ne anlatıyor?
Veri odaklı bir kullanıcı, shadowban şüphesini önce ölçülebilir değişkenlerle değerlendirebilir. Örneğin bir içerik üreticisi, son 30 gönderisinin ortalama erişimini, etkileşim oranını ve takipçi olmayanlara ulaşma miktarını karşılaştırabilir.
Bu yaklaşımın güçlü yanı, kişisel izlenimleri sınanabilir sorulara dönüştürmesidir. “Kimse beni görmüyor” düşüncesi yerine “Son iki haftada takipçi olmayanlardan gelen erişim ne kadar değişti?” sorusu sorulur.
Örnek olarak, teknoloji üzerine içerik paylaşan bir kullanıcı düşünelim. Kullanıcının görüntülenmeleri düşmüş, ancak paylaşım sıklığı da azalmış olsun. Yalnızca görüntülenme sayısına bakan biri platformun hesabını kısıtladığını düşünebilir. Daha ayrıntılı analiz yapan biri ise içerik sıklığındaki değişimi ve paylaşım konularının farklılaşmasını da hesaba katacaktır.
Bu yaklaşım, kullanıcıyı hemen bir sonuca varmak yerine alternatif açıklamaları araştırmaya yönlendirir.
Ancak veri odaklılık da kusursuz değildir. Ölçümler, platformun hangi gönderiyi neden daha az dağıttığını her zaman açıklamaz. Bir hesapta erişim düşüşü saptanabilir ama bunun nedeninin gizli bir yaptırım olduğu yalnızca bu verilerden çıkarılamaz.
B) Duygusal ve toplumsal yaklaşım: Görünürlük kaybı ne hissettiriyor?
Bir başka kullanıcı, görünürlük düşüşünü yalnızca rakamlarla değerlendirmeyebilir. Uzun süredir emek verdiği bir hesabın etkileşimi azalınca kendisini dışlanmış, değersizleştirilmiş veya haksızlığa uğramış hissedebilir.
Bu tepkiyi basitçe aşırı hassasiyet olarak yorumlamak doğru olmaz. Özellikle sosyal medyayı mesleki tanıtım, topluluk oluşturma veya kişisel deneyimlerini paylaşma amacıyla kullanan kişiler için görünürlük kaybının gerçek sonuçları olabilir.
Örneğin küçük bir işletme sahibi, ürünlerini sosyal medya üzerinden tanıtıyor ve satışlarının önemli bir bölümünü bu kanaldan sağlıyor olabilir. Erişimdeki düşüş yalnızca moralini etkilemez; müşteri taleplerini ve gelirini de etkileyebilir. Benzer biçimde, çevrim içi topluluklarda deneyimlerini paylaşan bir kişi, yorumlarının görünmediğini düşündüğünde kendisini topluluğun dışında kalmış hissedebilir.
Burada duygusal deneyim, teknik sorunun kanıtı değildir; fakat sorunun kullanıcı açısından neden önemli olduğunu anlamamızı sağlar.
C) Cinsiyet deneyimleri neden önemlidir?
Pew Research Center'ın 2021'de yayımladığı ve 2020 yılında ABD'de 10.093 yetişkinle yapılan ankete dayanan araştırması, çevrim içi taciz deneyimlerinde cinsiyete göre bazı farklılıklar bulunduğunu gösteriyor. Araştırmada erkeklerin yüzde 43'ü, kadınların ise yüzde 38'i ölçülen çevrim içi taciz türlerinden en az birini yaşadığını belirtmiş. Buna karşılık kadınlar çevrim içi cinsel tacize daha sık maruz kaldıklarını bildirmiş: oran kadınlarda yüzde 16, erkeklerde yüzde 5. Çevrim içi takip edilme bildirimlerinde de kadınların oranı daha yüksek bulunmuş. Pew Research Center+1
Bu veriler shadowban'ın cinsiyete göre farklı uygulandığını göstermiyor. Araştırma, gizli görünürlük kısıtlamalarını değil, çevrim içi taciz deneyimlerini inceliyor. Bununla birlikte dijital ortamda yaşanan olumsuz deneyimlerin herkes için aynı biçimde algılanmayabileceğini anlamamıza yardımcı oluyor.
Örneğin kadın bir içerik üreticisi, tartışmalı bir paylaşımın ardından hem erişiminin düştüğünü hem de cinsiyetçi yorumlarla karşılaştığını fark edebilir. Bu kişi için görünürlük sorunu, yalnızca algoritmanın performansıyla değil, çevrim içi ortamda güvenli hissetmekle de bağlantılı olabilir.
Başka bir örnekte erkek bir oyun yayıncısı, yayınlarına katılımın düşmesini önce izleyici sayıları üzerinden değerlendirebilir. Ancak aynı kullanıcı da hedef gösterilme, tehdit veya topluluk dışına itilme gibi deneyimler yaşayabilir. Bu nedenle veri odaklı değerlendirme erkeklere, duygusal değerlendirme kadınlara özgü değildir.
Asıl farkı yaratan etkenler arasında kişisel deneyimler, meslek, içerik türü, çevrim içi topluluğun yapısı ve kişinin sosyal medyayı kullanma amacı bulunabilir.