这没有错,但我很失望": 朝向残疾内容创作者的包容性算法体验
AI 伦理、公平与问责通用设计与包容性设计社交平台设计与用户行为内容创作者(YouTuber、Podcaster)辅助技术专家
文献标题
“It’s not wrong, but I’m quite disappointed”: Toward an Inclusive Algorithmic Experience for Content Creators with Disabilities
文献信息
- 主题领域: 可访问性设计与算法交互
- 关键词: 算法体验, 残障人士, 内容创作者, YouTube, 包容性设计
研究背景与问题
- 问题与挑战: 尽管社交媒体平台为残障人士提供了自我表达和分享生活的机会,但其中的算法可能缺乏对残障相关内容的包容性支持,进而限制了创作者实现其目标的能力。特别是个性化分发算法可能无法有效传递残障相关内容给广泛受众。
- 研究意义: 研究如何通过包容性算法设计改善残障创作者的体验,不仅能提升社会对残障的认识,还能促进社会多样性表达。
- 研究动机: 当前算法可能存在偏见或敏感性不足的风险,例如过滤掉包含“残障”关键词的内容或减少其视频变现能力。这种情况有可能加剧残障创作者的挫败感和对平台的不信任感。
解决方案
- 研究方法: 通过对 8 名来自韩国的 YouTube 残障创作者进行半结构化访谈,探讨其算法体验(AX)及其应对策略。
- 创新点:
- 从创作者的角度探讨算法交互与内容推荐问题;
- 确定算法在实现包容性方面的不足;
- 提出设计包容性算法的具体设计建议。
- 实施步骤:
- 内容分析: 对参与者的 YouTube 渠道及其上传的视频内容进行详细分类,并检索关键的创作者策略。
- 访谈分析: 通过引导式互动,提炼创作者对算法分发的经验和策略。
- 主题分析: 使用 ATLAS.ti 工具,基于编码法整理访谈数据,并归纳出创作者面临的主要挑战及其对算法的整体感知。
研究成果
- 主要发现:
- 创作目标: 参与者希望通过视频内容提升公众对残障的认知,并建立与社区的联结。同时,他们期望从平台的广告收益中获利,但算法的局限削弱了他们吸引多样化观众的能力。
- 挑战:
- 身份表达矛盾: 创作者在内容中表现与隐藏残障身份之间存在纠结(如部分视频为了扩大受众而避免提及残障话题)。
- 内容过滤: 算法可能因缺乏适应残障语境的能力过滤掉某些题材。
- 算法不透明性: 内容为何被限制或更改分发策略,平台未给出明确解释。
- 对算法的感知: 创作者普遍认为,YouTube 的分发算法未对残障话题进行歧视性处理,但也未充分支持其独特需求。
- 优势与不足:
- 优势: 相较传统媒体,视频平台在赋予残障者发声权方面具有显著优势。创作者可直接展示其多样化生活,而非传统媒体中典型的“同情对象”形象。
- 不足: 个性化推荐算法偏向迎合观众现有兴趣,导致残障相关内容难以触及新受众,阻碍了公众对残障话题的广泛了解。
- 实验与解决方案:
- 标签与影片标题调整: 创作者探索性地在视频标题或关键词中添加非残障相关关键词,从而吸引潜在观众。
- 主题多样化尝试: 部分创作者尝试通过视频话题多样化(vlog、美妆、游戏等)调和现有订阅者与新观众需求。
- 局限性与未来方向:
- 当前研究局限于韩国 YouTube 创作者,难以全面概括全球残障创作者的普遍实践和感知。
- 内容集中在制作和分发阶段,但未深入探讨与观众交互(评论互动等)的算法表现。
- 未来应考察更多类型的残障以及不同文化语境下对 AX 包容性的需求,进一步扩展样本多样性。
设计启示
- 对创作者的支持:
- 提供更透明的算法反馈,明确展现视频审核和分发中的决策依据。
- 创建更加灵活的分发设置选项,允许创作者定义目标受众并突出其价值目标。
- 对平台的改进:
- 加强残障相关数据的收集与训练,以提高内容审核及分发算法对残障语境的敏感性。
- 激励观众通过评论标注、评价内容独特价值,从而将隐性反馈传递至创作者。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 算法如何影响残障创作者在YouTube上的内容创作与分发?分类: 残障、无障碍与神经多样性公平同类问题arrow_forward
- YouTube推荐算法是否对残障相关内容存在偏见或排除行为?分类: 残障、无障碍与神经多样性公平同类问题arrow_forward
- 如何设计包容性算法以支持残障创作者的创作目标?分类: 残障、无障碍与神经多样性公平同类问题arrow_forward
lightbulb
现实痛点
1- 残障内容创作者在视频分发中难以吸引多样观众,甚至面临算法过滤。分类: 残障、无障碍与神经多样性公平同类问题arrow_forward
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3517574
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
AI 伦理、公平与问责、通用设计与包容性设计、社交平台设计与用户行为
work
职业/产业
内容创作者(YouTuber、Podcaster)、辅助技术专家
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文