1.2 A TikTok algoritmus működése
A TikTok algoritmus működésének megértése érdekében, több ezzel a témával foglalkozó cikket olvastunk át, és próbáltunk átfedéseket kiemelni a kutatásunkban. Ahogy azt megtudtuk a TikTok algoritmusa több irányból is figyeli a felhasználót a legpontosabb ajánlások érdekében. Megfigyeli a különböző témájú videók iránti érdeklődést azáltal, hogy nyomon követi az egyes videók nézésével töltött időt, az egyes videók megosztásának mennyiségét, valamint a “like” gomb használatát. Az egyik kutatásban megkérdezett felhasználók még említették a hashtagek használatát a TikTok-on, a “felkapott” videók gyors terjedése érdekében, de ezt az állítást a kutatás készítői később megcáfolták.
2.Módszertan
A kutatás egy kvalitatív tartalomelemzés, amit megfigyeléssel hajtunk végre. A mintavételhez két teljesen új TikTok profilt hoztunk létre, majd első lépésként az algoritmus elindítása érdekében az alábbi táblázatban látható kulcsszavakra kerestünk rá, az első három ajánlott videót megnéztük, majd egyiket kedveltük is. A kutatást napi 20-30 perces intervallumokban végeztük, a jobboldali politika esetében ez 75 videót jelentett naponta. Ezt addig ismételtük meg, ameddig a feed nem lett szinte teljesen homogén. Ezután az volt a célunk, hogy megvizsgáljuk, hogy lehetséges-e kitörni ebből a homogén feedből, és ha igen, akkor ez milyen gyorsan történik.
1. táblázat. Az algoritmus elindításához használt kulcsszavak.
| jobboldali politika (USA) | összeesküvés-elméletek |
| pro life | oltások |
| család | chemtrail |
| keresztény értékek | deep state |
3.Eredmények
3.1. Jobboldali politika, mint szélsőséges tartalom
A vizsgálat célja volt feltárni, hogy a TikTok algoritmusa milyen gyorsan és milyen mértékben kezd el jobboldali politikai tartalmakat ajánlani egy teljesen új felhasználó számára. Ehhez a vizsgálathoz első lépésként három keresőszót alkalmaztunk, a pro-life, a család és a kereszténység kifejezéseket. Ezek mind olyan tényezők, amik szorosan kapcsolódnak a jobboldali politikai ideológiához, ezáltal segítenek elindítani az algoritmust a vizsgálni kívánt irányba.
2. táblázat. Jobboldali politika témájú videók száma az algoritmus elindítása után (75 videó/nap).
| 1. nap | 2. nap | 3. nap | 4. nap | 5. nap | 6. nap | |
| pro life | 4 | 6 | 5 | 0 | 5 | 2 |
| család | 1 | 0 | 0 | 1 | 0 | 1 |
| kereszténység | 11 | 13 | 12 | 4 | 4 | 3 |
| hagyományos értékek | 3 | 3 | 2 | 1 | 3 | 2 |
| jobboldali értékek | 1 | 13 | 9 | 13 | 4 | 4 |
| jobboldali politika | 0 | 8 | 19 | 42 | 49 | 60 |
| egyéb | 55 | 30 | 28 | 14 | 10 | 3 |
A 2. táblázatban látható, hogy a kutatáshoz kapcsolódó videókat milyen kategóriákba csoportosítottuk: az algoritmus elindításához használt kulcsszavakhoz kapcsolódik a pro-life, a család, a kereszténység és a tradicionális értékek kategória (ami a vizsgálat során került be, sok esetben szorosan kapcsolódott a család kategóriához, ez a tradicionális családmodelleket népszerűsítő videókban jelent meg leginkább). Az általunk célként kitűzött és vizsgálni kívánt kategóriák pedig a jobboldali értékek és a politika.
3. ábra. A kategorizált videók arányainak változása 6 napon keresztül, napi 75 videó megfigyelésével.
Az első napon még egyértelműen az “egyéb” kategória dominált, amibe minden olyan videó beletartozik, amit nem tudtunk besorolni a felállított kategóriákba. A feed ezen a ponton még nagyrészt elég változó tartalmú, a platformon éppen népszerű videókból állt, elég sok különböző téma megjelent, ami közül egy új felhasználó válogatni tud. Már az első nap adatai alapján is látható, hogy a kulcsszavakra való keresés nagy hatással volt a feedre, hiszen a megtekintett 75 videóból 20 kapcsolódott a család, a kereszténység, vagy a pro-life nézethez. Ebben a szakaszban ugyan még szinte egyáltalán nem jelent meg a jobboldali politika, az algoritmus ebben a szakaszban még nem ebbe az irányba kezdte el formálni a feedet. A második és a harmadik napon már sokkal markánsabb elmozdulás figyelhető meg. A jobboldali értékekhez és a politikához sorolt videót száma jelentősen megnőtt, különösen a harmadik naptól kezdve. Ezzel párhuzamosan az “egyéb” kategóriába tartozó videók aránya folyamatosan csökkent, amiből szintén látszik, hogy az algoritmus egyre inkább tematikus irányba terelte a feedet, így a korábban vegyesebb ajánlások háttérbe szorultak. Fontos még megemlíteni, hogy ezen a ponton ugyan megnőtt a jobboldali politikai tartalom a feeden, azonban ezen nagy része a demokratákat, liberálisokat kifigurázó, lejárató videókból álltak, kevéssé esett szó aktuálpolitikáról, vagy konkrét politikai ideológiáról, tehát az algoritmus alapvetően nem informatív politikai tartalmakat, hanem érzelmileg erősen polarizáló, identitásalapú videókat részesített előnyben. Emellett fontos még, hogy ezen a ponton más szemléletű videók is megjelentek, amik a Trump adminisztrációt, vagy az USA aktuálpolitikai helyzetét kritizálták, tehát még lehetett találkozni egyéb nézetekkel is, nem záródott be teljesen a szűrőbuborék. A negyedik nap jelentette a legmarkánsabb töréspontot, ekkor ugrásszerűen megnőtt a jobboldali politikai tartalom mennyisége, miközben a korábbi keresésekhez kapcsolódó tartalmak aránya csökkent. Ebből látható, hogy az algoritmusnak rendkívül rövid idő is elég volt ahhoz, hogy a kezdeti érdeklődést fokozatosan aktuálpolitikai, ideologikus tartalmak felé terelje, és a feedet elsősorban egy adott politikai narratíva mentén kezdje el felépíteni. A hatodik napra látható, hogy a vizsgált 75 videóból mindössze 3 volt olyan, ami egyik vizsgált kategóriába sem tartozik, 64 ami a jobboldali politika/gondolkodás és értékek kategóriába sorolható, és mindössze 8 eset volt, ahol a vizsgálat elején említett kulcsszavakhoz kapcsolódó videók jelentek meg, politikai hovatartozás említése nélkül. A jobboldali politikai tartalom teljes mértékben az USA területére korlátozódott, a leggyakrabban megjelenő szereplők Donald Trump, Charlie Kirk és J.D Vance voltak.
A kutatás következő részében azt vizsgáltuk, hogy egy már kialakult, jobboldali politikai tartalmak által dominált For You Page-ből ki lehet-e törni, és ha igen, akkor milyen gyorsan reagál erre a TikTok algoritmusa. A vizsgálat módszere nagyban eltér a korábbi szakasz mintázataitól, hiszen ebben a szakaszban a jobboldali politikai tartalmakat se nem kedveltük, se nem néztük végig, míg az eltérő politikai álláspontokat bemutató, valamint a teljesen más témájú videókat kedveltük, és hosszabb ideig fogyasztottuk. Egészen meglepő eredményekre jutottunk, hiszen csupán 110 videó megtekintése során érzékelhető volt a feed változása. A 110 videóból 49 még mindig jobboldali politikai tartalom volt, tehát a buborékot nem lehetett megszüntetni ilyen rövid idő alatt, pusztán az interakciók csökkentésével, azonban a feedbe került 5 más politikai álláspontot képviselő videó is, ami a korábbi, erősen homogén feedhez képest változás volt. Emellett az egyéb videók voltak többségben, ezekből 54 került a feedre. Az adatok alapján az látható, hogy a buborékokból való kitörés nem egy azonnali folyamat, azonban a TikTok algoritmusa rendkívül gyorsan reagál a fogyasztói attitűdök változására, és ezzel egyidőben egész gyorsan is alkalmazkodik hozzájuk.
Összességében ezek az eredmények összhangban állnak Ross Arguedas és munkatársai (2022) megállapításaival, akik szerint empirikusan ritkán fordul elő, hogy a felhasználók kizárólag egyetlen ideológiai irányhoz tartozó tartalmakat fogyasztanak. Kutatásuk alapján a teljesen zárt véleménybuborékok aránya alacsony, és az algoritmusok jellemzően nem zárják ki teljes mértékben az eltérő nézeteket. A jelen vizsgálat eredményei ezt támasztják alá: bár a jobboldali politikai tartalmak dominánssá váltak, és a buborékból való kilépés lassú folyamatnak bizonyult, a feedben végig megjelentek más tematikájú, illetve eltérő nézőpontokat képviselő videók is. Ez alapján megállapítható, hogy még egy erősen tematizált algoritmikus környezetben is nehéz elérni a teljes tartalmi homogenitást.
