More

    Meta’s nieuwste transparantierapport beschrijft pesten op Facebook en Instagram |

    Facebook heeft nieuwe statistieken gedeeld over de hoeveelheid pesterijen, aanzetten tot haat en intimidatie op zijn platform. De nieuwe cijfers, vrijgegeven met de laatste driemaandelijkse transparantierapporten van het bedrijf, komen op het moment dat Meta steeds meer onder de loep wordt genomen over haar vermogen om gebruikers te beschermen en haar beleid wereldwijd adequaat af te dwingen.

    Het laatste rapport is de eerste keer dat het bedrijf heeft op zijn platform “prevalentie”-statistieken over pesten en intimidatie gedeeld. “Prevalentie” is een statistiek die Facebook gebruikt om inbreukmakende inhoud te volgen die door zijn detectiesystemen glipt. “Het vertegenwoordigt de hoeveelheid inbreukmakende inhoud die mensen daadwerkelijk bekijken en die daadwerkelijk op iemands scherm verschijnt”, vertelde de VP Integrity Guy Rosen van het bedrijf tijdens een briefing aan verslaggevers.

    Volgens het bedrijf, de prevalentie van pesten inhoud was tussen 0,14% -0,15% op Facebook en tussen 0,05% -0,06% op Instagram. “Dit betekent dat de inhoud van pesten en intimidatie tussen de 14 en 15 keer per 10.000 keer bekeken inhoud op Facebook en tussen de 5 en 6 keer per 10.000 keer bekeken wordt op Instagram”, legt het bedrijf uit in een verklaring. Vooral Instagram heeft te maken gehad met vragen over het vermogen om pesten en intimidatie aan te pakken.

    Dat betekent dat de statistiek slechts een subset van alle pestinhoud vastlegt, aangezien pesten en intimidatie niet altijd gemakkelijk te identificeren is voor een geautomatiseerd systeem.

    Dat onderscheid is onderstreept door onthullingen in de Facebook Papers, een schat aan informatie van documenten die openbaar zijn gemaakt door voormalig werknemer die klokkenluider Frances Haugen is geworden. Volgens documenten die ze deelde, schatten de eigen onderzoekers van Facebook dat het bedrijf slechts ongeveer drie tot vijf procent van de haatzaaiende uitlatingen op zijn platform kan aanpakken, wat betekent dat de overgrote meerderheid onopgemerkt blijft en de nieuwsfeeds van gebruikers mag vervuilen.

    Facebook heeft herhaaldelijk op deze beweringen teruggekomen en heeft gewezen op de ‘prevalentie’-statistieken die het deelt in zijn transparantierapporten. Maar zoals onderzoekers hebben opgemerkt, kan de eigen boekhouding van ‘prevalentie’ van het bedrijf de werkelijke hoeveelheid inbreukmakende inhoud op het platform maskeren. Dat komt omdat de geautomatiseerde systemen van Facebook niet altijd betrouwbaar zijn, vooral niet bij het detecteren van inhoud in andere talen dan het Engels. De onthullingen hebben de beschuldigingen aangewakkerd dat Facebook winst boven gebruikersveiligheid stelt.

    “We hebben absoluut geen prikkel, of het nu commercieel of anderszins is, om iets anders te doen dan ervoor te zorgen dat mensen een positieve ervaring hebben”, aldus Rosen. Dinsdag.

    We zijn constant bezig met het verfijnen van hoe we rangschikken om deze problemen aan te pakken.”

    In zijn laatste rapport meldde Facebook dat haatzaaiende uitlatingen voor het vierde opeenvolgende kwartaal waren afgenomen, waarbij de prevalentie daalde van 0,05% in het laatste kwartaal tot 0,03% dit kwartaal. Het bedrijf meldde voor het eerst ook de prevalentie van haatspraak op Instagram en zei dat haatspraak 0,02% of ongeveer 2 van elke 10.000 stukjes inhoud die op zijn platform werd bekeken, was.

    Het is echter vermeldenswaard dat zelfs de meest optimistische kijk op deze cijfers – respectievelijk 0,03% en 0,02% voor Facebook en Instagram – kan nog steeds betekenen dat miljoenen mensen elke dag met haatzaaien te maken krijgen, gezien het enorme aantal gebruikers en stukjes inhoud die elke dag op de platforms worden geplaatst .

    Afzonderlijk zei Facebook ook dat zijn onderzoekers werken aan “een relatief nieuw gebied van AI-onderzoek dat ‘few-shot’ of ‘zero-shot’ learning wordt genoemd”, waardoor ze AI-modellen veel meer zouden kunnen trainen snel. In plaats van te vertrouwen op enorme datasets om modellen handmatig te trainen voor bijvoorbeeld het identificeren van haatspraak, zou het modellen mogelijk maken die “iets kunnen leren herkennen uit slechts een klein aantal trainingsvoorbeelden, of zelfs slechts een enkel voorbeeld”, schreef het bedrijf.

    - Advertisement -inloopdouche

    Recent Articles

    douchecabine

    Related Stories

    LAAT EEN REACTIE ACHTER

    Vul alstublieft uw commentaar in!
    Vul hier uw naam in

    Stay on op - Ge the daily news in your inbox

    [tdn_block_newsletter_subscribe input_placeholder="Email address" btn_text="Subscribe" tds_newsletter2-image="730" tds_newsletter2-image_bg_color="#c3ecff" tds_newsletter3-input_bar_display="" tds_newsletter4-image="731" tds_newsletter4-image_bg_color="#fffbcf" tds_newsletter4-btn_bg_color="#f3b700" tds_newsletter4-check_accent="#f3b700" tds_newsletter5-tdicon="tdc-font-fa tdc-font-fa-envelope-o" tds_newsletter5-btn_bg_color="#000000" tds_newsletter5-btn_bg_color_hover="#4db2ec" tds_newsletter5-check_accent="#000000" tds_newsletter6-input_bar_display="row" tds_newsletter6-btn_bg_color="#da1414" tds_newsletter6-check_accent="#da1414" tds_newsletter7-image="732" tds_newsletter7-btn_bg_color="#1c69ad" tds_newsletter7-check_accent="#1c69ad" tds_newsletter7-f_title_font_size="20" tds_newsletter7-f_title_font_line_height="28px" tds_newsletter8-input_bar_display="row" tds_newsletter8-btn_bg_color="#00649e" tds_newsletter8-btn_bg_color_hover="#21709e" tds_newsletter8-check_accent="#00649e" embedded_form_code="YWN0aW9uJTNEJTIybGlzdC1tYW5hZ2UuY29tJTJGc3Vic2NyaWJlJTIy" tds_newsletter="tds_newsletter1" tds_newsletter3-all_border_width="2" tds_newsletter3-all_border_color="#e6e6e6" tdc_css="eyJhbGwiOnsibWFyZ2luLWJvdHRvbSI6IjAiLCJib3JkZXItY29sb3IiOiIjZTZlNmU2IiwiZGlzcGxheSI6IiJ9fQ==" tds_newsletter1-btn_bg_color="#0d42a2" tds_newsletter1-f_btn_font_family="406" tds_newsletter1-f_btn_font_transform="uppercase" tds_newsletter1-f_btn_font_weight="800" tds_newsletter1-f_btn_font_spacing="1" tds_newsletter1-f_input_font_line_height="eyJhbGwiOiIzIiwicG9ydHJhaXQiOiIyLjYiLCJsYW5kc2NhcGUiOiIyLjgifQ==" tds_newsletter1-f_input_font_family="406" tds_newsletter1-f_input_font_size="eyJhbGwiOiIxMyIsImxhbmRzY2FwZSI6IjEyIiwicG9ydHJhaXQiOiIxMSIsInBob25lIjoiMTMifQ==" tds_newsletter1-input_bg_color="#fcfcfc" tds_newsletter1-input_border_size="0" tds_newsletter1-f_btn_font_size="eyJsYW5kc2NhcGUiOiIxMiIsInBvcnRyYWl0IjoiMTEiLCJhbGwiOiIxMyJ9" content_align_horizontal="content-horiz-center"]