In een eerste deel werd de perceptie van aanbevelingsalgoritmes op YouTube bestudeerd. In de diepte-interviews vonden we dat het merendeel van de participanten meerdere criteria kon opsommen over de werking van de algoritmes op YouTube. Slechts één participant vermeldde echter de term ‘algoritme’. Het merendeel van de participanten was zich niet bewust van dit concept. Deze bevinding ligt in lijn met die van andere onderzoekers die ook vonden dat de meeste participanten zich niet bewust waren over algoritmes, wanneer er geen priming aan vooraf ging (Eslami et al., 2015; Powers, 2017).
Hoewel participanten zich niet bewust waren over algoritmes, hadden de meeste participanten een ‘vermoeden’ van de aanwezigheid van deze algoritmes na de bewustmaking. Dit is in contrast met de studie van Eslami et al. (2015), waar participanten ontevreden en verrast reageerden. Verder hadden participanten nog nooit gehoord over een filter bubbel. Toch konden meerdere participanten zich (deels) vinden in dit principe. Dit werd ook weerspiegeld in hun kritische opmerkingen over de aanbevelingen.
Wat betreft het wijzigen van aanbevelingen, gaven participanten tijdens de diepte-interviews aan dat ze dat niet bewust zouden doen. Dit zou volgens hen eerder een onbewust proces zijn. Toch vonden we twee strategieën die participanten gebruikten om bewust hun algoritmes op YouTube te omzeilen. Participanten die kennis hadden van manieren om hun aanbevelingen te wijzigen gebruikten dit echter weinig. We vonden dat de reden achter het niet of weinig gebruiken van deze strategieën in dezelfde lijn lag met het hebben van geen kennis over deze strategieën. Die reden vertaalde zich hoofdzakelijk zo dat participanten geen ‘drang’ voelden om hun aanbevelingen te wijzigen doordat ze geen of weinig ‘onjuiste’ aanbevelingen krijgen op YouTube.
We suggereren dat dit in verband kan staan met hun eerder positieve attitude. Zowel in de diepte- interviews, als in de survey, vonden we immers dat participanten over het algemeen YouTube en de algoritmes waardeerden. Een andere mogelijke verklaring kan zijn dat participanten onzeker zijn over de invloed van bepaalde strategieën. Na de bewustmaking van enkele strategieën om aanbevelingen te wijzigen, merkten we op dat participanten die wel of geen kennis hadden niet altijd wisten dat strategieën een invloed hadden op hun aanbevelingen.
62
In een tweede deel werd de appropriatie van aanbevelingsalgoritmes op YouTube bestudeerd. We vonden dat YouTube het meest gebruikt werd op de smartphone, computer of laptop. De aanbevelingen werden ook het meest geassocieerd met deze toestellen. Bij het gebruik van de tablet, televisie of het gebruik met anderen, werden geen duidelijke aanwijzingen gevonden dat aanbevelingen gebruikt werden. Een mogelijke reden hiervoor kan zijn dat YouTube dan gebruikt wordt om specifiek inhoud op te zoeken en te bekijken.
Daarnaast werd de aanbevolen inhoud op de home- en videopagina grotendeels geapproprieerd en bleek dat YouTube het meest thuis in de persoonlijke ruimte werd gebruikt, in de late avond en voor het slapengaan. De routines van het YouTube-gebruik en de aanbevelingen waren uiteenlopend en afhankelijk van de context.
Ons onderzoek vertoont hierbij gelijkenissen met ander onderzoek naar de domesticatie van media technologieën, zoals de kenmerken van bepaalde toestellen en het feit dat de incorporatie processen verschillende naargelang de context (Courtois et al., 2012; Courtois et al., 2013). Deze studie is ook complementair met andere studies (Leong, 2020; Siles et al., 2019) die de domesticatie van algoritmes bestudeerden.
Verder vonden we één participant die weerstand bood tegenover de aanbevelingen van YouTube, door ze te de-domesticeren. Deze participant ontwikkelde zijn eigen routine om video's te selecteren en bekijken en negeerde de aanbevelingen die hij kreeg van de algoritmes op YouTube. Dit geeft aan dat de domesticatie van aanbevelingsalgoritmes een doorlopend proces is (Haddon, 2017).
In een volgend deel werd de rol van media geletterdheid bestudeerd. We vonden dat media geletterdheid een invloed had op het gemiddeld kennisniveau over algoritmes op YouTube. Het verschil in dat kennisniveau bevond zich voornamelijk in de kennis om aanbevelingen te wijzigen. In de diepte- interviews konden we bevestigen dat deze kennisvraag correspondeerde met kennis om aanbevelingen te wijzigen. Deze inzichten zijn complementair met Min (2019), die vond dat internetvaardigheden bijdroegen tot het meer bewuster omgaan met algoritmes. Toch moeten we hier nuanceren. We ontdekten namelijk dat het bezitten van kennis over strategieën, niet noodzakelijk bijdraagt tot het gebruik van deze kennis.
63
Ook vonden we dat media geletterdheid een invloed had op het YouTube-gebruik. Doorheen de exploratieve analyse vonden we reeds bewijs dat er een samenhang was tussen het gebruik van YouTube, en de verschillende competenties van media geletterdheid. In ons verder onderzoek kregen we de bevestiging dat media geletterdheid een invloed had. Meer bepaald vonden we dat hoog geletterde participanten YouTube vaker gebruiken en op meer toestellen gebruiken dan laag geletterde participanten. Hoog geletterde participanten gebruiken YouTube ook op meer momenten doorheen de dag en vaker tijdens de late avond en de nacht dan laag geletterde participanten. Daarnaast had media geletterdheid zo goed als geen invloed op het gebruik van aanbevolen inhoud (aanbevelingen op de home- en videopagina) enerzijds en het ruimtelijk en sociaal gebruik anderzijds.
Dat er een link is tussen media geletterdheid en het gebruik van media is niet onbekend. In de literatuur worden de technische competenties van media geletterdheid ook vaak gemeten via de gebruiksfrequentie van media (Vanwynsberghe & Haspeslagh, 2014). Aanvullend vonden we in de exploratieve analyse van dit onderzoek, dat er een duidelijke positieve samenhang was tussen beide competenties: de gebruiksfrequentie van activiteiten en de bekendheid van activiteiten op YouTube.
Op basis van inzichten van Hargittai (2005, 2009) werd in dit onderzoek een schaal ontwikkeld die de technische competenties meet door participanten te bevragen naar hun bekendheid met allerlei activiteiten op YouTube. Doorheen het onderzoek werden participanten opgedeeld in groepen van media geletterdheid door middel van deze competenties. Deze indeling bood een meerwaarde aan ons onderzoek. Ondanks de eerder lage participatiegraad van de participanten (voornamelijk passieve YouTube-gebruikers), konden we via deze schaal toch een onderscheid maken in termen van media geletterdheid. Daarnaast heeft deze opdeling ook een invloed op de interpretatie van de resultaten van de derde en vierde onderzoeksvraag.
Het feit dat er een link is tussen media geletterdheid en enerzijds het YouTube-gebruik en anderzijds kennis over algoritmes, geeft aan dat media geletterdheid een rol kan spelen in de perceptie en appropriatie van aanbevelingsalgoritmes.
64