Facebook’un 2021’de kamuoyuna sızan iç belgelerine göre şirket, “anlamlı sosyal etkileşim” metriğini önceliklendirmek amacıyla algoritmasını değiştirdiğinde hangi içeriklerin öne çıkacağını biliyordu: öfke uyandıran paylaşımlar, diğerlerine kıyasla altı kat daha fazla etkileşim aldığı için sıralamanın tepesine çıkıyordu. Bu, bir tesadüf değil, tasarım kararıydı.
Haber akışı artık editoryal değil matematiksel
Bir gazetenin ön sayfasını bir editörler kurulu hazırlardı; önceliklendirme, eğitim almış gazetecilerin değerlendirmesine dayanırdı. Artık pek çok insanın gündeme ilişkin bilgisinin girişi sosyal medya akışı. Bu akışı oluşturan algoritmaların amacı bilgilendirmek değil; bağlılık süresi, tıklama oranı ve içerik paylaşımı gibi metrikleri maksimize etmek. “Haber değeri” bu denklemde bir değişken değil.
Filter bubble gerçek mi?
Filtre balonu kavramı 2011’de Eli Pariser tarafından popülerleştirildi: algoritmalar, kullanıcıların daha önce ilgi gösterdiği içeriklere benzer içerikleri öne çıkararak adeta bir bilgi balonuna kapatıyor. Akademik araştırmalar tabloyu daha karmaşık gösteriyor. Oxford İnternet Enstitüsü’nün 2019-2023 arasında 34 ülkeyi kapsayan çalışması, sosyal medyanın doğrudan bir polarizasyon nedeni olduğunu değil, mevcut siyasi kimliğin pekişmesine katkıda bulunduğunu buldu. Yani balon var, ama şişirme oranı sanıldığı kadar yüksek olmayabilir; asıl mesele balonun nerede ve kime uygulandığı.
Hız-doğruluk çelişkisi
Platform algoritmaları, etkileşim hızını bir sıralama sinyali olarak kullandığında asılsız haberler avantaj kazanıyor. MIT araştırmacılarının 2018 tarihli ve Science dergisinde yayımlanan çalışması, yanlış bilgilerin Twitter’da doğru bilgiye kıyasla yüzde 70 daha hızlı yayıldığını ve altı kat daha fazla kişiye ulaştığını ortaya koydu. Bu oran platform politikaları değiştirildiğinde iyileşiyor mu? Kısmen. Ama algoritmanın teşvik yapısı değişmediği sürece düzeltmenin etkisi sınırlı kalıyor.
Platformların aldığı önlemler ve sınırları
Meta, Twitter/X ve YouTube son dört yılda çeşitli içerik moderasyon adımları attı. Bunların somut sonuçları:
- Meta’nın siyasi içerikleri önerilerden kısması, partizan haber sitelerine gelen referans trafiğini yüzde 30-50 azalttı —ancak bu, kaliteli gazeteciliği değil siyasi içeriği genel olarak hedef aldı.
- YouTube’un “borderline content” politikası, küçük yayıncıların önerme listesinden çıkarılmasına neden olurken büyük medya kuruluşları neredeyse etkilenmedi.
- Twitter/X’te doğrulama kaldırıldıktan sonra bazı araştırmacılar “Community Notes” mekanizmasının belirli konularda yanlış bilginin düzeltilme hızını artırdığını bildirdi; mekanizmanın toplam etkisi tartışmalı.
Haberciliğin ekonomik modeli de değişti
Algoritmik dağıtım, trafiği mecradan bağımsızlaştırdı. Haber siteleri artık okuyucuyla doğrudan ilişki kurmak yerine platform trafiğine bağımlı hâle geldi. Bu bağımlılık, editoryel kararları etkiliyor: “platform dostu” başlık uzunluğu, paylaşım oranını artıran duygusal tetikleyiciler, kaydırma davranışını yavaşlatan görsel formatlar. Bazı yayın kuruluşları bu dinamiği açıkça kabul ederken bazıları editoryel bağımsızlıklarına dokunmadığını ileri sürüyor.
Okuyucu olarak ne yapılabilir?
Algoritmik filtrenin farkında olmak başlı başına işlevsel bir araç. RSS okuyucuları yeniden ilgi görüyor; The Guardian, BBC ve Hürriyet gibi büyük yayın organlarının RSS beslemeleri, algoritma müdahalesi olmadan kronolojik bir akış sunuyor. Ayrıca farklı siyasi çizgilerden birden fazla kaynağı düzenli olarak takip etmek, balonu mekanik olarak delmese de farkındalığı artırıyor.
Asıl soru şu: bir platform kâr amacıyla kurulmuşken kamu medya hizmeti işlevi üstlenebilir mi? Bu soruya yanıt aranırken kullanıcı olarak tercihlerimiz —hangi içerikleri tıkladığımız, ne kadar izlediğimiz, neyi paylaştığımız— algoritmanın bir sonraki versiyonunu eğitiyor.