En nödvändig diskussion att föra i samband med studien ”digitala ungdomar rör algoritmerna på nätet, hur sociala medier sorterar och väljer ut innehåll åt dess användare. Bruket av sociala medier som plats för observation och grund för urval väcker frågor kring om forskaren kan överkomma tendenserna hos det digitala att avgränsa vad som visas, och därför också påverkar möjliga informanter i urvalsprocessen. Jag har beskrivit mitt tillvägagångssätt för att tränga in i ungdomars digitala liv och genom observation finna en representativ och bred grupp informanter för att undersöka utbildningens roll hos den digitala ungdomskulturen. Vad denna text tillför är ett fördjupat resonemang om utmaningarna med en sådan etnografisk approach.
Internet har blivit en källa för det mesta tänkbara, vad som slentrianmässigt kan reduceras till en omfattande källa för information bär på sociala, kulturella och ekonomiska aspekter. Internet kan liknas vid utbildningssystemet ur den aspekten att de båda är system som sorterar och sållar, skillnaden ligger i att innehållet på sociala medier sorteras genom engagemang och social interaktion, medan utbildning examinerar och värderar prestationer. Vårt användande av internet är därför mer än bruket av ett verktyg för att komma åt information, det omges av strukturer och bär på aktörer som utgör dess kulturella kärna, en digital kultur. Bauman (2011:6f.) menar att kultur i dess ursprungliga form handlande om förändring snarare än bevarande, men med distinktionen att denna förändring handlande om styrning mot ett universellt tillstånd för alla människor, en sorts vägledande upplysning. För honom är kultur således tätt knutet till lärandet, och den teknologiska utvecklingen innebär att vi ordnar kultur och lärande efter strukturella omvandlingar.
Konsumtionssamhället, och ansvarsförskjutningen till individen (det han kallar homo eligens, den väljande människan, se Bauman & Mazzeo 2012:25f.) bidrar till fler valmöjligheter, men även ökade risker för att välja fel. Samtidigt menar han (Bauman 2011:25) att konsumtionssamhället även färgat hur vi förhåller oss till kultur, vilket möjliggör och även kräver flexibilitet i görandet av sig själv, vad han kallar för liquefaction är ett begrepp som samlar en process där den kulturella identiteten gör sig mångsidig, anpassningsbar och därmed flytande. Vi lär oss inte en kulturell kontext och formar oss efter den, utan vi rör oss emellan, eller befinner oss i flera kulturella miljöer samtidigt. Detta blir mer uppenbart när vi ser till hur vi kan befinna oss bland familj och vänner i hemmet, men samtidigt vara uppkopplade och tillhöra inte bara ett, utan flera digitala communityn. Skillnaden lägger Bauman här är internet som ett sorterande verktyg, det finns ett moment av att sortera och låta sig sorteras när man kliver ut på nätet. Som han själv beskriver det:
To cut a long story short: online, unlike offline, it is I who am in control - I am the lord, I rule. Maybe i don’t pay the piper - but I set the tune.
Att internet är något som sorterar bygger på ett behov av att orientera sig bland den enorma mängden användare och det innehåll som dessa genererar. Att träda in på nätet är således att bli en del av dess sorterande strukturer, och en digital kultur.
När man talar om internet och sortering så har man identifierat ett par mer generella tendenserna. Allt mer vanligt förekommande när man talar om internet är det som kallas filterbubblor, det vill säga att algoritmerna på nätet premierar innehåll som faller i linje med vad användaren redan föredrar och uppmärksammar. Sasahara et al. (2020) gör dock en tydlig distinktion mellan filterbubblor och ett närliggande begrepp, nämligen ekokammare. Det senare belyser informationsspridningens tendenser att bilda kluster inom sociala nätverk och därmed också utgöra en segregerande kraft, och som de i sin simulering av informationsspridning och social interaktion visar på att inte enbart genom att välja vilka man vill ha i sina flöden, utan även möjligheten att välja bort folk bygger separata kammare i det digitala där liknande tankemönster såväl som konsumtionsmönster ekar och förstärker varandra, simultant som man stöter bort det som avviker. Filterbubblorna å andra sidan handlar snarare om att algoritmer gör viss information i större utsträckning otillgänglig för individen, medan ekokammare handlar om social sortering. Diskussionen om filterbubblor och ekokammare är relativt ny, och långt ifrån avslutad. Vi kan dock se hur den naturen av internet som dessa begrepp ämnar att fånga gör sig synlig på sociala medier. Videoappen Tiktok beskrivs av användarna själva som segregerande, utifrån de egna observationerna så uttrycker användarna i sina inlägg på Tiktok om appen som en plats med olika sidor som knyter an till sådant som sexualitet, etnicitet, politiska åsikter och subkulturer. utifrån det egna studiet av just tiktok inför detta arbete så har det återkommande observerats hur man vädjar till andra användare från en viss sida om hjälp för att positionera sig denna genom att uppmana dem att interagera med ens innehåll. Man är således medveten om dessa ekokammare och använder dessa för att påverka hur man själv sorteras. Artiklar (exempelvis Barnhart 2020) om Instagram, fokuserar på att ge tips om att tänka på bildkvaliteten, att vara konsistent i sitt innehåll, använda sig av en variation av mediaformat och funktioner, samt att tänka på när man lägger upp sina inlägg, det har existerat liknande artiklar kring appen Tiktok, men sedan de själva (Tiktok 2020) själva har lagt upp en bloggpost gällande hur den sorterar och rekommenderar videos för användarna så har de mest relevanta sökträffarna på nätet lett till artiklar som diskuterar vad deras redogörelse egentligen innebär Tiktok beskriver sin algoritm som baserad på användarnas interaktion (i vilken utsträckning man gillar, kommenterar och “kollar klart” olika videoinlägg), data kopplat till videoinläggen så som ”captions”, vilket ljud som används över videon och hashtags, samt användarnas geografiska position och valda språkpreferenser. Samtidigt menar de att ett grundelement i hur de sorterar innehåll är att ständigt pröva sådant som avviker från ens konsumtionsvanor, något som reflekterar den aktuella diskussionen om ekokammare och filterbubblor.
Tiktok verkar således bära på möjligheter för forskaren att undersöka utan att fastna i en ekokammare som reflekterar de egna preferenserna. Vad som dock krävs är en medvetenhet om att olika aspekter spelar in och reflekteras i det innehåll som rekommenderas. Det räcker därför inte att som observatör låta sig algoritmer göra hela arbetet. En kritisk lins behövs för att kunna se förbi ens rekommenderade innehåll, och fråga sig vad det är som inte syns. Genom att reagera och interagera med det som avviker från mer frekventa teman i det innehåll som dyker upp finns möjligheterna att jobba med likväl som mot de sorterande mekanismerna. Frågan kvarstår dock i vilken utsträckning forskarens egna agens kan skapa en bred representation bland innehåll på nätet. Jag vill dock mena på att det är rimligt att utgå ifrån att med adekvata kunskaper om hur olika delar av internet sorterar och rekommenderar innehåll kan etnografiska arbeten som undersöker och observerar sociala medier kan nå en hög reliabilitet, då genom att använda dessa kunskaper för att motverka ett bias som är en latent effekt av att interagera med innehåll online.
________ Referenser:
Barnhart B. (2020) Hot to survive (and outsmart) the instagram algorithm in
2020. Hämtad den 13 november från https://sproutsocial.com/insights/
instagram-algorithm/
Bauman Z. (2011) Culture in a liquid modern world. Cambridge UK: Polity press
Bauman Z., Mazzeo R. (2012) På konsumtionsindustrins soptipp: om
ungdomar, utbildning och utstötning. Göteborg: Daidalos
Bauman Z., Leoncini T. (2019) Born liquid. Cambridge UK: Polity press Sasahara K., Chen W., Peng H., Luca C. G., Flammini A. et al. (2020) Social
influence and unfollowing accelerate the emergence of echo chambers.
Journal of computational social science. https://doi.org/10.1007/ s42001-020-00084-7
Tiktok (2020) How tiktok recommends videos for you. Hämtad den 18 november från https://newsroom.tiktok.com/en-us/how-tiktok- recommends-videos-for-you