Sosyal Medya Algoritmalarını Araştırma Rehberi

Sosyal medya algoritmalarının etkileri çok yönlüdür: Sosyal medyadaki algoritma destekli haber akışları, dünya genelindeki ülkeleri ve hükümetleri istikrarsızlaştırma, ruh sağlığını derinden etkileme ve ilişkilerimizi bozma tehdidinde bulunmaktadır. İşte birkaç önemli örnek:

• Filistin yanlısı hesaplardan gölge yasaklı içerik .
• Gana’da siyasi huzursuzluğu körükleme amacı taşıyan yanlış ve dezenformasyon kampanyaları .
• Bir anne, siyasi görüş ayrılıklarının internette daha da belirginleşmesi nedeniyle kızını sosyal medyada takip etmeyi bırakıyor. 

Sosyal medya algoritmalarını incelemek birçok farklı şekilde olabilir. Bazı araştırma yaklaşımları haftalar sürebilir ve dijital adli tıp ve kodlama becerileri gerektirebilir. Ancak birçok başka araştırma, çok az teknik bilgiyle veya hiç teknik bilgi gerektirmeden, yalnızca farklı hesaplardaki içerikleri izleyerek veya sosyal platformlarda nasıl zarar verdiklerini göstermek için deneyler yaparak gerçekleştirilebilir.

Hangi yaklaşımı seçerseniz seçin, sosyal medya algoritmalarıyla ilgili hesap verebilirlik hikayeleri biraz yaratıcılık gerektirir. Bunun büyük bir nedeni, Meta veya TikTok gibi özel şirketlerin algoritmalarını nasıl oluşturduklarını açıklamak zorunda olmamalarıdır. Ara sıra yaşanan belge sızıntıları dışında , çoğu gazetecinin algoritmaların nasıl çalışabileceğini tersine mühendislik yöntemleriyle ortaya koyması veya nefret dolu veya yanıltıcı içerikler yayınlayarak zarar verdiklerini kanıtlaması gerekecektir.

Algoritmalar Nelerdir ve Nasıl Çalışırlar?

Algoritmalar, bir görevi yerine getirmek için oluşturulmuş kural veya hesaplama kümeleridir. Sosyal medya alanında algoritmalar, bir kullanıcının hangi içeriği beğenmiş olabileceği, platformdaki bağlantıları veya hangi gönderilerle etkileşim kurmuş olabileceği gibi bilgiler de dahil olmak üzere girdi verilerini değerlendirerek, kullanıcının haber akışında, zaman çizelgesinde veya akışında hangi bilgileri göreceğini belirler ve bu kullanıcıların neyle etkileşime girme olasılığının daha yüksek olabileceğini tahmin eder.

Bu algoritmalar, kurumsal sahipleri tarafından sürekli olarak değiştiriliyor ve zamanla giderek daha karmaşık hale geliyor. Örneğin, Facebook’un algoritması, The Washington Post’un 2021 tarihli bir haberine göre , bir kullanıcının hangi tür gönderilerle etkileşime girme olasılığının en yüksek olduğunu tahmin etmek için yaklaşık 10.000 sinyali alıyordu .

Ancak sosyal medyadaki algoritmalar son derece karmaşık olmakla kalmıyor, onları üreten şirketler de nasıl çalıştıklarını açıklamıyor. Bu nedenle, araştırmacı gazeteciler platformlar hakkında hesap verebilirlik gazeteciliği yaparken öncelikle algoritmaların zararlı çıktılarına odaklanacaklar. Bu, bu platformlarda viral olan içerik türlerini incelemeyi, belirli savunmasız gruplara ne tür videoların sunulabileceğini anlamayı, algoritmaların nasıl çalıştığını test etmek için sahte hesaplar oluşturmayı veya trollemenin (birini kasıtlı olarak saldırgan veya kışkırtıcı gönderilerle veya yanlış bilgilerle kışkırtmaya veya “yemlemeye” çalışma) bir platformda ne kadar yaygın olduğunu araştırmayı içerebilir.

Sosyal ağlarla ilgili haberleri ele almak, aynı zamanda bilgi akışını da tartışmayı gerektirir. Bu alanda araştırmalar yaparken, çevrimiçi ortamda gözlemlediğimiz birçok olgunun sosyal medyaya özgü olması nedeniyle, terim ve kavramlar hakkında ortak bir anlayış geliştirmek faydalı olabilir.

Sosyal Medyada Dezenformasyon, Yanlış Bilgi, Nefret Söylemi: Bunlar Nedir ve Nasıl Yayılır?

Gazetecilerin çevrimiçi bilgi akışını ele aldığı çok sayıda kaynak mevcut olsa da, kar amacı gütmeyen araştırma kuruluşu EU DisinfoLab tarafından oluşturulan yanlış bilgi sözlüğü gibi , kamusal söylemde en popüler olan üç terim şunlardır: yanlış bilgi, dezenformasyon ve çevrimiçi nefret.

Yanlış bilgi. Bu terim genellikle çok sayıda çevrimiçi sorunu tanımlamak için genel bir terim olarak kullanılır. Ancak aslında bundan çok daha dar kapsamlıdır: Yanlış bilgi, yanlış olmasına rağmen paylaşan ve yayan kişiler tarafından genellikle doğru olduğuna inanılan bilgidir. Örneğin, son dakika haberleri sırasında, insanlar gelişen bir haberle ilgili olduğunu düşünerek farklı veya geçmiş bir olaydan fotoğraflar paylaşabilirler.

Dezenformasyon , yanıltmak veya zarar vermek amacıyla kasıtlı olarak oluşturulan veya paylaşılan yanlış bilgilerdir. Örneğin, 2016 ABD başkanlık seçimleri sırasında, ABD Senatosu ve Temsilciler Meclisi İstihbarat Komiteleri’nin Facebook iş birliğiyle yürüttüğü bir soruşturma, Rus ajanlarının ABD seçmenleri gibi davranarak siyasi bölünme yaratmak için sahte protestolar hakkında dezenformasyon yaydığını ortaya çıkardı. Rusya, seçimlere müdahale ettiği iddialarını reddetti.

Nefret söylemi, internette sıklıkla yayılan bir diğer önemli zararlı bilgi türüdür. Irk, din, cinsiyet veya cinsel yönelim gibi özelliklerine dayanarak bir gruba karşı şiddeti ifade eder ve körükler . Örneğin, Myanmar siyasi liderleri Facebook’u Müslüman bir etnik azınlık olan Rohingyaları insanlıktan çıkarmak ve şeytanlaştırmak için kullandı ve bu da gruba karşı şiddete yol açtı. Facebook daha sonra Birleşmiş Milletler’in bir raporuna yanıt olarak Myanmar’da “nefret ve yanlış bilginin yayılmasını” engellemek için 20 kuruluş ve kişiyi yasakladı. Ülkenin askeri yetkilileri bu raporun bulgularını reddetti .

Gazetecilerin, herhangi bir medya ekosistemindeki ana aktörlerin kim olduğunu anlamaları da aynı derecede önemlidir . Algoritmalar kişiselleştirilmiş çevrimiçi deneyimler yaratır; bu da her birimizin, genellikle “yankı odaları” veya “filtre balonları” olarak adlandırılan, kendi benzersiz küçük bilgi evrenimizde yaşadığımız anlamına gelir.

Bu ekosistemin bir parçası olan ve içerik paylaşabilen ancak büyük miktarlarda içerik üretmeyen izleyici kitlesi veya büyük ölçüde pasif kullanıcılar var . Bir de bol miktarda bilgi üreten aktif içerik üreticileri var . İzleyici kitlesinin tükettiği bilgi türü üzerinde büyük bir etkiye sahip olma eğilimindeler ve bunlar arasında devlet kurumları, haber kuruluşları, etkili kişiler ve anlaşmazlık yaratmaya çalışan kötü niyetli kişiler yer alabilir. Son olarak, insanların zaman çizelgelerinde hangi içeriğin yayınlanacağını belirleyen bir dizi veri odaklı kurala eşdeğer olan algoritmalar da var ve bu medya ekosistemlerindeki deneyimleri şekillendirmeye yardımcı oluyorlar.

Sosyal Medya Algoritmalarını Araştırmaya Yönelik Üç Yaklaşım

Birkaç yıl önce, muhabir Jane Lytvynenko ve ben de bu konuları araştırmak için bir çerçeve geliştirdik . Buradaki anahtar nokta, bir medya ekosistemini oluşturan üç unsurdan birinin (izleyici, içerik oluşturucular veya algoritma) odak noktası olduğu hikâyeleri ele almaktır.

1. Hedef Kitlelerin Algoritmik Akışları Nasıl Deneyimlediğini Araştırmak

Hedef kitleye veya sosyal medya kullanıcılarına odaklanmak iyi bir başlangıç ​​noktasıdır. Bunlar genellikle arkadaşlarıyla bağlantı kurmak veya haber ve bilgi edinmek için sosyal medyayı kullanan, farkında olmayan kişilerdir.

Daha önce de tartıştığımız gibi, bir kişinin yanlış veya dezenformasyonu nasıl deneyimlediği oldukça kişiseldir. Algoritmaların ve haber akışlarının yarattığı çarpık dünya görüşlerini derinlemesine incelemek için gazeteciler, bir kullanıcının çevrimiçi görüş verilerine odaklanmayı veya bir kişinin sosyal ağdaki deneyiminin ” nicelikli bir özçekim “ini yapmayı düşünebilirler.

Bu yaklaşım, bir kişinin sosyal medya deneyimini incelemek için verilerine erişim talep etmeyi gerektirir. Avrupa Birliği’nin veri ve güvenlik düzenlemeleri ( GDPR) sayesinde , TikTok, Meta ve X dahil olmak üzere AB’de faaliyet gösteren birçok sosyal medya şirketinin, kullanıcılara kendi verileri üzerinde daha fazla kontrol sağlaması gerekiyor; bu da, kullanıcıların çevrimiçi etkinliklerine ilişkin verilere erişmelerine, bunları indirmelerine ve silmelerine izin verdikleri anlamına geliyor.

Örneğin, Documented için hazırlanan bu hikayede muhabir Malick Gai, kısmen TikTok’ta buldukları bilgilere dayanarak Amerika Birleşik Devletleri’ne gelmeye ikna edilen beş farklı Senegalli göçmenin TikTok izleme arşivlerini topladı. Göçmenler, ana dillerindeki bilgiler için hala platforma büyük ölçüde bağımlıydı. Muhabir, arşiv aracılığıyla göçmenlerin göç süreçleri hakkında kendilerine yanlış veya yanıltıcı bilgi veren çok sayıda video izlediğini görebildi. Örneğin, bazıları sığınma başvurusunun nasıl doldurulacağına dair yanlış bilgi verdi ve bu bilgiler dikkate alınsaydı göç süreçlerinde olumsuz sonuçlar doğabilirdi. Başka bir videoda, New York Belediye Başkanı’nın göçmenler arasında 50 milyon ABD doları dağıttığı yanlış bir şekilde belirtiliyordu. TikTok’un sahibi olan ByteDance şirketi yorum için yanıt vermedi.

Benzer şekilde, muhabirler sosyal medyanın genç kadınların ruh sağlığı üzerindeki yıkıcı etkisini araştırdı. NBC News muhabiri Kat Tenbarge, X’te yeme bozukluklarını teşvik eden ve 2.000 ila 173.000 arasında kullanıcıya sahip, bazıları 13 yaşında bile olmayan birkaç kullanıcı grubu buldu. NBC News’e verilen bir açıklamaya göre: “X, kendine zarar verme davranışlarını teşvik eden veya özendiren içerikleri yasaklar ve çocukların cinsel istismarına karşı sıfır tolerans gösterir. Bu durumda, kapsamlı bir incelemenin ardından, Kurallarımızı ihlal ettiği gerekçesiyle Topluluğu askıya aldık.”

2025 yapımı “ Can’t Look Away ” belgeseli, daha önce Facebook, TikTok ve Instagram’da çalışmış muhbirleri konu alıyor. Algoritmaların, özellikle gençlere yönelik içerik gösterme biçimleriyle nasıl zarar verebileceğini araştırıyor. Belgesel ve TikTok’taki çalışmaları hakkında yapılan bir tartışmada, yer alan muhbirlerden Charles Bahr, algoritmaların duygusal zeka olmadan her şeyi optimize ettiğini ve bunun da zarara yol açtığını söylüyor. TikTok’un özellikle kullanıcıların aradıkları içeriklerin aksine, daha fazla zaman harcadıkları içerikleri nasıl gösterdiğinden bahsetti. Başka bir deyişle, bir kullanıcı moral bozucu bir video izlerse, akışı çok hızlı bir şekilde benzer içeriklerin bir yankı odasına dönüşecektir. TikTok, “ genç kitleler  için  güvenlik önlemleri ,  ekran süresi yönetimi araçları ,  ebeveynler ve veliler için güvenlik araçları ve diğer benzer kaynaklar” sunduğunu savunuyor.

Hem Facebook hem de Instagram’da çalışmış bir diğer muhbir Arturo Bejar , şirketlerin kullanıcıların artık akışlarında istemedikleri içerikleri “İlgilenmiyorum” butonuyla kontrol etmelerinin yolları varmış gibi davranmayı sevdiğini söyledi. Ancak bu kontroller etkili değil çünkü algoritma hâlâ çoğunlukla kullanıcılara daha fazla zaman harcadıkları içerikleri gösteriyor. Meta ise “gençlerin platformlarındaki deneyimini iyileştirmek için 30’dan fazla özellik sunduğunu” iddia ediyor.

Bahr ayrıca, kullanıcıların bir platformda, özellikle rahatsız edici veya üzücü içerikler söz konusu olduğunda yaşadığı sorunu tekrarlamanın kolay olması durumunda, sorunun daha yapısal olduğunu belirtti. Dolayısıyla gazeteciler, belirli bir içerik türüyle daha fazla etkileşime girdiklerinde akışlarının nasıl göründüğünü tersine mühendislik yoluyla inceleyerek, bunun genel kullanıcıları nasıl etkileyebileceğini anlayabilirler.

2. İçerik Oluşturucularının Zararlı veya Yanlış Bilgileri Yaygınlaştırmak İçin Algoritmalardan Nasıl Yararlandıklarını Araştırmak

Soruşturmalarınızda sorunlu içerik üreticilerini araştırmayı seçerseniz, yanlış veya yanıltıcı viral içeriklere bakmak ve bunların kökenlerini izlemek isteyebilirsiniz.

Dezenformasyon kampanyaları yürüten birçok kötü niyetli aktör, yanlış veya yanıltıcı içerikler kullanıyor ve bunları çeşitli platformlarda tekrar tekrar yayınlıyor.

Code for Africa’nın bir haberinde , muhabirler Gana merkezli olmayan 16 Facebook hesabından oluşan bir ağın, Gana’daki Rus yanlısı protestocuların tutuklandığı iddiaları hakkında aynı gönderiyi tekrar tekrar kopyalayıp yapıştırarak sistematik olarak yanlış bilgi yaydığını tespit etti. Muhabirlere göre, bu hesaplar Fildişi Sahili, Burkina Faso, Mali, Fransa ve İspanya’da bulunuyordu.

Başka bir haberde , İsviçre kamu haber kuruluşu Schweizer Radio und Fernsehen’den (SRF) muhabirler , sahte hesapları tespit etmek için makine öğrenimini kullandı. 5.000 sahte hesap satın aldılar, makine öğrenimi modellerini bu sahte hesapların özellikleri üzerine eğittiler ve ardından bu eğitilmiş modeli kullanarak diğer sahte hesapları tespit ettiler.

3. Algoritmaların Nasıl Çalıştığını Araştırmak

Bir diğer yaklaşım ise sosyal medyanın büyük bir kısmını destekleyen algoritmalar hakkında yazmaktır.

Bu hikayeler, algoritmaların bilgi yayılımı veya fırsatlara erişim üzerindeki etkisini de içeren çevrimiçi deneyimimizin çoğunu yöneten sistemi inceliyor.

Ancak sosyal medya algoritmalarını incelemek veya denetlemek son derece zor olabilir; anlaşılması kolay olmayan, karmaşık ve kamuoyunun erişimine kapalı sistemlerdir. Örneğin The Washington Post’a göre , Facebook algoritması bir kişinin bir gönderiyle etkileşime girip girmeyeceğini tahmin etmek için 10.000’den fazla farklı sinyali değerlendiriyor.

Bu, gazetecilerin genellikle veri toplama ve test hesaplarıyla yapılan deneylere dayanarak bazı algoritmaların nasıl çalıştığını tersine mühendislikle incelemek zorunda kaldıkları anlamına geliyor. Örneğin, The Wall Street Journal , bir gönderide oyalanmaktan videoları tekrar izlemeye kadar farklı eylemlerin, bu hesapların göreceği içerikler üzerindeki etkisini test etmek için 100 TikTok hesabı oluşturdu .

Ancak herkesin teknolojiyi araştırmak için ileri teknoloji yaklaşımını kullanması gerekmez. Bir muhabir olarak, sistemleri her zaman açıklamak zorunda değilsiniz. Bazen “sistemi dürtmek” ve zararlı olduğunu göstermek yeterlidir.

ProPublica’dan bu haberde , muhabirler Facebook reklamları yayınlamak için bir hesap oluşturdular ve platformun, insanları ırk, cinsiyet ve diğer kişisel özelliklerine göre dışlayan reklamlar yayınlamalarını engellemediğini gördüler. Yasayı çiğnemenin yollarını bulabildiklerini göstermeleri, Facebook’un zararın oluşmasını nasıl engelleyemediğini kanıtladı. Facebook, ProPublica’ya reklamverenlerin hizmetlerini ayrımcı şekillerde kullanmasını yasakladığını söyledi.

Sosyal Medya Şirketlerinin Algoritmik Zararı Azaltmadaki Başarısızlığının Araştırılması

Sosyal medya şirketlerinin iç işleyişini daha derinlemesine incelemeye çalışmak da faydalı olabilir. Gazeteciler bunu, sosyal medya şirketlerinin mevcut ve eski çalışanlarıyla ilişkiler geliştirerek, kendilerine karşı açılan davaları inceleyerek veya muhbirlerle çalışarak yapabilirler . Örneğin, içeriden muhabir Tekendra Parmar, Facebook’ta kendisi hakkında nefret dolu, yanlış içerikler yayıldıktan sonra öldürülen Etiyopyalı profesör Meareg Amare’nin ölümünü araştırdı . Parmar, şirketin Güvenilir Ortak programı aracılığıyla Facebook ile çalışan birkaç kişiyle konuştu . Bu program , şirkete nefret dolu bilgileri tespit etmek ve işaretlemek için gerekli dilsel ve kültürel bilgiye sahip sivil toplum örgütlerinden oluşan bir ağdır. Programa katılan altı kişi Parmar’a, Facebook’un “Amare etrafında dolaşan yanlış bilgiler hakkındaki uyarılar da dahil olmak üzere, nefret dolu içerik uyarılarını rutin olarak görmezden geldiğini” söyledi. Ayrıca Parmer’ın şirketle olan iletişimlerini incelemesine izin verdiler. Facebook’un ana şirketi Meta, Insider’a yaptığı açıklamada, Güvenilir Ortaklar tarafından bildirilen içerikleri mümkün olan en kısa sürede incelemeyi amaçladıklarını ve inceleme süresinin duruma göre değişebileceğini söyledi.

Bu örneklerin de gösterdiği gibi, sosyal ağ araştırmaları için kullanabileceğiniz çeşitli raporlama yöntemleri mevcuttur. Bunlar, analiz için platformlardan veri toplama veya kötü niyetli kişileri tespit etmek için dijital adli tıp yöntemlerini kullanma gibi ileri teknoloji yaklaşımları içerebilir. Ancak muhabirler, platformlarda zarar görmüş kişilerle görüşmek veya zararlı çıktıları kanıtlamak için platformlarda deneyler yapmak gibi düşük teknolojili çözümlerle de başarılı olabilirler. Gelişmekte olan bir alan olarak, sosyal medya algoritmalarının başarılı bir şekilde araştırılmasının anahtarı yaratıcı bir yaklaşımdır.

Daha Fazla Okuma

Gazeteciler için Araçlar

• Gazeteciler için algoritmik okuryazarlık , gazetecilerin ve haber merkezlerinin algoritmaları anlamalarına yardımcı olacak pratik bir araç seti. Aynı araştırmacılar ayrıca, kendin yap algoritma denetimi yapmak için özlü bir rehber de yazdı.
• Gösterge , yanlış ve dezenformasyon uzmanları Craig Silverman ve Alexios Mantzarlis’in bir bülteni
• Sosyal medya alanında kapsamlı doğrulama çalışmaları yapan ve birçok faydalı kılavuz yayınlayan bir kuruluş olan Bellingcat
• GIJN’den Sosyal Medya Platformlarını İzlemek İçin Yeni Araştırma Araçları makalesi
• Sosyal Medyada Madencilik , sosyal web’den veri toplama ve analiz etme üzerine bir Python kitabı
• Algoritmalar Atışı: Araştırma Açıları ve Yöntemleri , Veri Gazeteciliği El Kitabı’ndan Algoritmaları araştırmaya ilişkin bir bölüm

Araştırma

• Algoritmik Adalet Birliği , algoritmik zararı belgeleyen ve inceleyen bir kuruluştur
• Yapay zeka ve algoritmik hesap verebilirlik hakkında araştırmalar yayınlayan bağımsız bir enstitü olan AI Now Institute
• Dijital çağda medeni haklar konusunda raporlar yayınlayan kâr amacı gütmeyen bir kuruluş olan Demokrasi ve Teknoloji Merkezi
• Veri ve Toplum , teknoloji, veri ve politikalara odaklanan kar amacı gütmeyen bir araştırma kuruluşudur
• Zürih ve Berlin merkezli kar amacı gütmeyen bir kuruluş olan Algorithm Watch

Lam Thuy Vo , veri analizini sahadaki habercilikle birleştirerek sistemlerin ve politikaların bireyleri nasıl etkilediğini inceleyen bir gazetecidir. Şu anda,göçmen topluluklarıyla ve onlar için habercilik yapan bağımsız ve kâr amacı gütmeyen bir haber merkezi olan Documented’da araştırmacı gazeteci olarak çalışmakta ve Craig Newmark Gazetecilik Yüksek Lisans Okulu’nda veri gazeteciliği doçenti olarak görev yapmaktadır. Daha önce The Markup , BuzzFeed News, The Wall Street Journal, Al Jazeera America ve NPR’nin Planet Money programlarındagazetecilik yapmıştır.