A free market in extreme speech: Scientific racism and bloodsports on YouTube
Notice bibliographique
Résumé
Abstract Around 2018, YouTube became heavily criticized for its radicalizing function by allowing far-right actors to produce hateful videos that were in turn amplified through algorithmic recommendations. Against this ‘algorithmic radicalization’ hypothesis, Munger and Phillips (2019, A supply and demand framework for YouTube politics. Preprint. https://osf.io/73jys/download; Munger and Phillips, 2020, Right-wing YouTube: a supply and demand perspective. The International Journal of Press/Politics, 21(2). doi: 10.1177/1940161220964767.)) argued that far-right radical content on YouTube fed into audience demand, suggesting researchers adopt a ‘supply and demand’ framework. Navigating this debate, our article deploys novel methods for examining radicalization in the language of far-right pundits and their audiences within YouTube’s so-called ‘Alternative Influence Network’ (Lewis, 2018, Alternative Influence. Data & Society Research Institute. https://datasociety.net/library/alternative-influence/ (accessed 9 December 2020).). To that end, we operationalize the concept ‘extreme speech’—developed to account for ‘the inherent ambiguity of speech contexts’ online (Pohjonen and Udupa, 2017, Extreme speech online: an anthropological critique of hate speech debates. International Journal of Communication, 11: 1173–91)—to an analysis of a right-wing ‘Bloodsports’ debate subculture that thrived on the platform at the time. Highlighting the topic of ‘race realism’, we develop a novel mixed-methods approach: repurposing the far-right website Metapedia as a corpus to detect unique terms related to the issue. We use this corpus to analyze the transcripts and comments from an archive of 950 right-wing channels, collected from 2008 until 2018. In line with Munger and Phillips’ framework, our empirical study identifies a market for extreme speech on the platform, which came into public view in 2017.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».