{"id":24989,"date":"2021-08-30T09:00:08","date_gmt":"2021-08-30T07:00:08","guid":{"rendered":"http:\/\/pwiweb.uzh.ch\/wordpress\/?p=24989"},"modified":"2021-08-30T09:00:10","modified_gmt":"2021-08-30T07:00:10","slug":"in-den-kommentaren-zu-roger-koeppels-youtube-sendung-finden-sich-strafbare-aeusserungen-und-verschwoerungstheorien-eine-uebersicht","status":"publish","type":"post","link":"https:\/\/pwiweb.uzh.ch\/wordpress\/blog\/2021\/08\/30\/in-den-kommentaren-zu-roger-koeppels-youtube-sendung-finden-sich-strafbare-aeusserungen-und-verschwoerungstheorien-eine-uebersicht\/","title":{"rendered":"In den Kommentaren zu Roger K\u00f6ppels YouTube-Sendung finden sich strafbare \u00c4usserungen und Verschw\u00f6rungstheorien. Eine \u00dcbersicht."},"content":{"rendered":"\n<p class=\"has-text-color has-normal-font-size has-very-dark-gray-color\"><em><strong>Hass findet man auf YouTube an vielen Orten. Doch Roger K\u00f6ppels morgendlichen&nbsp;\u00abEspresso gegen den Mainstream-Tsunami\u00bb&nbsp;scheinen besonders viele YouTube-Kommentierende schlecht zu ertragen: Beschimpfungen, Hassrede und Vulg\u00e4res machen einen wesentlichen Teil der Kommentare zu seiner Sendung \u00abWeltwoche Daily\u00bb&nbsp;aus. Die Auswertung von 65&#8217;000 YouTube-Kommentaren zu K\u00f6ppels Sendung zeigt: Der Wind weht zunehmend rauer.&nbsp;Eine Untersuchung.&nbsp;<\/strong><\/em><\/p>\n\n\n\n<p>W\u00e4hrend andere noch schlafen, l\u00e4sst Roger K\u00f6ppel fr\u00fchmorgens von Montag bis Freitag seinen Meinungen freien Lauf. Dann nimmt der rechtspopulistische SVP-Nationalrat und Chefredaktor des konservativen Magazins \u00ab<em>Weltwoche\u00bb<\/em> seinen Podcast <a href=\"https:\/\/www.youtube.com\/c\/DIEWELTWOCHEWochenmagazin\/videos\">\u00ab<em>Weltwoche Daily\u00bb<\/em><\/a>&nbsp;auf.<\/p>\n\n\n\n<p>Sein Versprechen: Mit diesen Inhalten bek\u00e4men Zuh\u00f6rende eine&nbsp;<em>\u00abandere Sicht\u00bb<\/em>, sie seien bei \u00ab<em>Weltwoche Daily\u00bb<\/em>&nbsp;vor der&nbsp;<em>\u00abMainstreamlawine\u00bb<\/em>&nbsp;sicher. Der m\u00e4chtige Politiker folgt mit dem Verbreiten alternativer rechter Inhalte einem gr\u00f6sseren Trend, den angels\u00e4chsische Rechtsnationalisten wie Steve Bannon und Alex Jones losgetreten haben. Wie sie nimmt K\u00f6ppel seine politischen Inhalte als Podcast auf, nennt es Journalismus und verbreitet das Produkt erfolgreich auf YouTube; hier sind rechte Inhalte in den letzten Jahren regelrecht explodiert (Munger &amp; Philips 2021).<\/p>\n\n\n\n<p>Mit Berichterstattung aus kritischer Distanz haben seine morgendlichen Monologe wenig zu tun: Er beklagt die Arroganz seiner politischen Gegner, wirft dem schweizerischen Bundesrat&nbsp;<a href=\"https:\/\/www.youtube.com\/watch?t=111&amp;v=zKTRYrPGboc\">den Aufbau einer Diktatur<\/a>&nbsp;vor und <a href=\"https:\/\/www.youtube.com\/watch?v=gbN2rdVHXhM\">beleidigt Minderheiten<\/a>. Oder aber er wirft Gegnern&nbsp;<a href=\"https:\/\/youtu.be\/_jK_Q1Z7xwA?t=843\">die willentliche Zerst\u00f6rung der Wirtschaft<\/a>&nbsp;vor und beschimpft die Medien als <em>\u00abEinheitsbrei\u00bb<\/em> und&nbsp;<a href=\"https:\/\/www.youtube.com\/watch?v=zKTRYrPGboc&amp;t=934s\">unangemessen staatsnah<\/a>.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/koeppel_gif_2-1.gif\" alt=\"\" class=\"wp-image-25000\" width=\"860\" height=\"484\"\/><figcaption><em>So sieht es aus, wenn K\u00f6ppel seine Sendungen aufnimmt. Screenshots: YouTube<\/em><\/figcaption><\/figure>\n\n\n\n<p>Neben scheinbarem Erfolg \u2013 K\u00f6ppels Sendungen weisen im analysierten Zeitraum \u00fcber vier Millionen Aufrufe vor \u2013 bringt \u00ab<em>Weltwoche Daily\u00bb<\/em>&nbsp;auch einige verdorbene gesellschaftliche Fr\u00fcchte zum Vorschein.<\/p>\n\n\n\n<h2 class=\"has-text-color wp-block-heading\" style=\"color:#b22222\">Tausende toxische Reaktionen auf K\u00f6ppels Podcasts<\/h2>\n\n\n\n<p>Auf die t\u00e4glichen Sendungen folgten 8&#8217;600 toxische Kommentare \u2013 das allein zu den Episoden zwischen Januar 2020 und Ende April 2021. 6 % der Kommentare zu einer Sendung waren somit durchschnittlich als toxisch einzustufen. Das offenbart ein Algorithmus, der rund 65&#8217;000 Kommentare auf toxische Wortmeldungen untersucht hat.<\/p>\n\n\n\n<p>Die toxischen Kommentare verleumden, beschimpfen und versuchen zu entw\u00fcrdigen. Wortmeldungen mit fehlendem Anstand sind aber der harmloseste Teil der Kommentare. Landesverrat, Korruption, P\u00e4dophilie oder Satanismus \u2013 das wollen Kommentierende Minderheiten und Personen des \u00f6ffentlichen Lebens grundlos anh\u00e4ngen und sie damit in Verruf bringen. Aufgrund ihrer oft strafbaren Natur werden die toxischen Inhalte an dieser Stelle nicht w\u00f6rtlich wiederholt, sondern nur umschrieben.<\/p>\n\n\n\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container is-layout-flow wp-block-group-is-layout-flow\">\n<p class=\"has-background has-text-align-left has-very-light-gray-background-color\">\ud83d\udca1 <strong><em>Was sind toxische Kommentare?<\/em><\/strong> \ud83d\udca1<br>Der verwendete Algorithmus z\u00e4hlt Folgendes zu den toxischen Kommentaren: Beleidigungen, Herabw\u00fcrdigungen von Menschen bez\u00fcglich ihrer z.B. religi\u00f6sen, nationalen, sozialen Zugeh\u00f6rigkeit&nbsp;(im Volksmunde auch Hate Speech) sowie vulg\u00e4re Sprache.<\/p>\n<\/div><\/div>\n\n\n\n<h2 class=\"has-text-color wp-block-heading\" style=\"color:#b22222\">Verschw\u00f6rungstheorien sehr prominent<\/h2>\n\n\n\n<p>Die 20 meistverwendeten Begriffspaare, dargestellt in der n\u00e4chsten Grafik, enth\u00fcllen die prominente Rolle, die Verschw\u00f6rungstheorien in den toxischen Wortmeldungen einnehmen.<\/p>\n\n\n\n<p>Das h\u00e4ufigste Begriffspaar <em>\u00abbill gates\u00bb<\/em> bezieht sich auf verschiedene Geschmacksrichtungen des b\u00f6swilligen Vorwurfs an den Milliard\u00e4r die COVID-19 Pandemie zum eigenen Profit kreiert zu haben (Kelland 2021). Sein Ziel sei das Erlangen der Weltherrschaft durch das Implantieren von Mikrochips durch die Impfung gegen das Coronavirus.<\/p>\n\n\n\n<p>\u00c4hnliches wird dem World Economic Forum (und dessen Gr\u00fcnder, Klaus Schwab) vorgeworfen \u2013 das unter den Begriffen&nbsp;<em>\u00abgreat reset\u00bb<\/em>&nbsp;und&nbsp;<em>\u00abklaus schwab\u00bb<\/em>&nbsp;(Goodman &amp; Carmichael 2021). Weiter spielt auch der Begriff&nbsp;<em>\u00abdeep state\u00bb<\/em>&nbsp;auf eine permanente, ungew\u00e4hlte Schattenregierung an, welche ungez\u00fcgelt Macht an sich gezogen haben soll (Rohde 2020). Oft bezogen sich toxische Kommentare auch auf die Personen Donald Trump, Alain Berset, Joe Biden und Angela Merkel.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/begriffspaare-1024x731.png\" alt=\"\" class=\"wp-image-25631\" width=\"699\" height=\"499\" srcset=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/begriffspaare-1024x731.png 1024w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/begriffspaare-300x214.png 300w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/begriffspaare-768x549.png 768w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/begriffspaare.png 1344w\" sizes=\"auto, (max-width: 699px) 100vw, 699px\" \/><\/figure>\n\n\n\n<h2 class=\"has-text-color wp-block-heading\" style=\"color:#b22222\">Der&nbsp;Wind weht zunehmend rauer<\/h2>\n\n\n\n<p>Seit letztem Dezember ist das Klima in den YouTube-Kommentaren zunehmend giftiger geworden. Die Statements zu den diesj\u00e4hrigen Sendungen zeigen deutlich h\u00f6here Anteile toxischer Kommentare als letztes Jahr. Bis Dezember 2020 betrug der durchschnittliche Anteil toxischer Kommentare kaum mehr als je 5 % \u2013 ab Anfang 2021 hat sich ihr Halbmonatsdurchschnitt mehr als verdoppelt.<\/p>\n\n\n\n<p>Das demonstriert auch die n\u00e4chste Abbildung: Kommentarspalten zu Sendungen in 2021 verzeichneten deutlich h\u00f6here Anteile toxischer Kommentare als jene aus 2020.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/toxisches-1024x731.png\" alt=\"\" class=\"wp-image-25637\" width=\"584\" height=\"417\" srcset=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/toxisches-1024x731.png 1024w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/toxisches-300x214.png 300w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/toxisches-768x549.png 768w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/06\/toxisches.png 1344w\" sizes=\"auto, (max-width: 584px) 100vw, 584px\" \/><\/figure>\n\n\n\n<p>Das wirft die Frage auf: Wann wird besonders viel Toxisches geschrieben? Die Gegen\u00fcberstellung von Sendungsinhalten und toxischen Kommentaren bietet eine Erkl\u00e4rung.<\/p>\n\n\n\n<h2 class=\"has-text-color wp-block-heading\" style=\"color:#b22222\">Kommentierende sch\u00e4umten nach Sendungen mit&nbsp;Diktaturvergleichen<\/h2>\n\n\n\n<p>Je nachdem, mit welchen Worten K\u00f6ppel zum Beispiel die Bundesratspolitik kommentierte, schrieben Kommentierende unterschiedlich viele toxische Kommentare. Wo K\u00f6ppel die Bundesratspolitik als Diktatur bezeichnete machten toxische Wortmeldungen in den Kommentaren einen statistisch signifikant h\u00f6heren Anteil aus. Kommentierte er die Regierungspolitik anderweitig waren solche Spr\u00fcnge im Anteil der Kommentarspalte mit Ausnahmen nicht systematisch zu erkennen. \u00dcbte K\u00f6ppel Kritik an den Medien oder sendete er zum Thema US-Politik mit Fokus auf Joe Biden liessen sich ebenfalls systematisch erh\u00f6hte Zahlen toxischer Kommentare beobachten.<\/p>\n\n\n\n<p>Diese Zusammenh\u00e4nge zeigt auch die n\u00e4chste Abbildung. Sie legt den Anteil 25 wichtiger Sendungsthemen f\u00fcr <em>\u00abWeltwoche Daily\u00bb<\/em> \u00fcber Zeit dar. Daf\u00fcr identifizierte ein Textalgorithmus (siehe Roberts 2014) in den Untertiteln zu den Sendungen 25 wichtige Begriffsgruppen. Diese Begriffsgruppen bestehen aus W\u00f6rtern, die K\u00f6ppel oft gemeinsam verwendete (z.B.&nbsp;<em>\u00abbundesrat, medien, kritisieren, schreiben, sendung, diktatur, deutsch, demokratie\u00bb<\/em>).<\/p>\n\n\n\n<figure class=\"wp-block-image size-large is-resized\"><img loading=\"lazy\" decoding=\"async\" src=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/topic_model_korrelationen-1-546x1024.png\" alt=\"\" class=\"wp-image-25992\" width=\"732\" height=\"1372\" srcset=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/topic_model_korrelationen-1-546x1024.png 546w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/topic_model_korrelationen-1-160x300.png 160w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/topic_model_korrelationen-1-768x1440.png 768w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/topic_model_korrelationen-1-819x1536.png 819w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/topic_model_korrelationen-1-1092x2048.png 1092w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/topic_model_korrelationen-1.png 1536w\" sizes=\"auto, (max-width: 732px) 100vw, 732px\" \/><\/figure>\n\n\n\n<p>Ein Beispiel: In der Episode vom 26. Februar 2021 erz\u00fcrnt sich der in den Ferien weilende K\u00f6ppel \u00fcber die Schliessung von Terrassen von Bergrestaurants:&nbsp;<a href=\"https:\/\/youtu.be\/zKTRYrPGboc?t=539\">Den Taliban \u00e4hnlich sei das,&nbsp;eine <em>\u00abDiktatur\u00bb<\/em><\/a>. Im selben Atemzug ermahnt der Politiker wie die nationalsozialistische Herrschaft Hitlers auf legalem Wege eingef\u00fchrt worden sei. Rund 18 % der Kommentare zur Sendung waren danach toxischer Natur \u2013 drei mal so viel wie der Durchschnitt in der analysierten Zeitspanne.&nbsp;<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"893\" src=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/koeppe_sonnengekuesst-1024x893.png\" alt=\"\" class=\"wp-image-25987\" srcset=\"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/koeppe_sonnengekuesst-1024x893.png 1024w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/koeppe_sonnengekuesst-300x262.png 300w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/koeppe_sonnengekuesst-768x670.png 768w, https:\/\/pwiweb.uzh.ch\/wordpress\/wp-content\/uploads\/2021\/07\/koeppe_sonnengekuesst.png 1072w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><figcaption><em>K\u00f6ppel warnt sonnengek\u00fcsst aus den Ferien vor der Diktatur. Screenshot: <a href=\"https:\/\/www.youtube.com\/watch?v=zKTRYrPGboc\">YouTube<\/a><\/em><\/figcaption><\/figure>\n\n\n\n<p>Aber aufgepasst: Es w\u00e4re falsch, K\u00f6ppels Rhetorik als Ursache f\u00fcr mehr toxische Kommentare zu identifizieren. K\u00f6ppels Kommunikation ruft sicherlich gewisse Emotionen in den Zuh\u00f6renden hervor, zumal er ein begabter Rhetoriker ist.&nbsp;Trotzdem widerspiegeln toxische Kommentare nicht zwingend K\u00f6ppels&nbsp;Argumentationsschema \u2013 aktuelle Ereignisse oder die politischen Pr\u00e4ferenzen der Kommentierenden k\u00f6nnten diese ebenso erkl\u00e4ren. Somit kann keine Kausalit\u00e4t festgestellt werden.<\/p>\n\n\n\n<h2 class=\"has-text-color wp-block-heading\" style=\"color:#b22222\">Mit Macht kommt Verantwortung<\/h2>\n\n\n\n<p>Zu einer funktionierenden Demokratie geh\u00f6ren zivilisierte und sachliche Auseinandersetzungen. Diese d\u00fcrfen in der Sache hart sein, sollen aber weder gesellschaftliche Werte sch\u00e4digen noch andere Personen in ihrer Ehre verletzen.<\/p>\n\n\n\n<p>K\u00f6ppel billigt durch seine Unt\u00e4tigkeit eine schlechte Diskussionskultur. Weshalb herabw\u00fcrdigende und teilweise strafbare \u00c4usserungen auf YouTube sichtbar bleiben, die auf der&nbsp;<em>\u00abWeltwoche\u00bb<\/em>-Webseite gem\u00e4ss eigenen Regeln gel\u00f6scht w\u00fcrden, leuchtet nicht ein (Weltwoche Verlags AG 2021).<\/p>\n\n\n\n<p>Auch YouTube trifft eine Verantwortung: Die Diskussionskultur auf der Plattform ist seit Jahren ein ungel\u00f6stes Problem (Baldwin 2013, Biermann 2013, Perez 2020). Zwar l\u00f6scht die Plattform gemeldete Kommentare, jedoch erst, wenn diese als Verstoss gegen die Community-Richtlinien klassifiziert worden sind. Letztere widerspiegeln grossz\u00fcgige amerikanische Vorstellungen der Meinungsfreiheit \u2013 oft von Radikalisierten zu ihren Gunsten missbraucht.<\/p>\n\n\n\n<p>Denn sp\u00e4testens wenn Hassrede wie aktuell dazu f\u00fchrt, dass die Bundespolizei Fedpol vor Berner Verwaltungsgeb\u00e4uden patrouillieren muss (Michel &amp; Hourni 2021), ist es Zeit, die Bedrohung durch politischen Extremismus ernst zu nehmen.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-text-color has-background has-very-dark-gray-background-color has-very-dark-gray-color\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Informationen zum Blogbeitrag<\/h2>\n\n\n\n<p class=\"has-background has-very-light-gray-background-color\"><strong>Titel:<\/strong> In den Kommentaren zu Roger K\u00f6ppels YouTube-Sendung finden sich strafbare \u00c4usserungen und Verschw\u00f6rungstheorien. Eine \u00dcbersicht.<br><strong>Name: <\/strong>Balthasar Sager<br><strong>Anzahl Worte:<\/strong> 999<br><strong>Code:<\/strong> Alle Auswertungen sind frei auf <strong><a href=\"https:\/\/github.com\/balthasars\/ddj_fs_2021_hate_speech_youtube\">Github<\/a><\/strong> einsehbar, die Rohdaten lassen sich mit einem YouTube API Key erstellen.<br><strong>Abgabedatum:<\/strong> 20. Juni 2021<br><strong>Seminar:<\/strong> Forschungsseminar Politischer Datenjournalismus (FS 2021) <strong>Dozierende: <\/strong>Theresa Gessler, Alexandra Kohler, Bruno W\u00fcest, Virginia Wenger (Tutorin)<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Validit\u00e4t<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Datenset<\/h3>\n\n\n\n<p><strong>Kommentare<\/strong>: Analysiert wurden 64&#8217;793 YouTube-Kommentare zu 241&nbsp;<em>\u00abWeltwoche Daily\u00bb<\/em>-Sendungen bzw. allen Videos im YouTube-Kanal&nbsp;<em>\u00abDIE WELTWOCHE (Wochenmagazin)\u00bb<\/em>, die den Begriff <em>\u00abWeltwoche Daily\u00bb<\/em> im Titel hatten. Da die YouTube Data API eine Limite zu den t\u00e4glichen Downloads vorsieht, beschr\u00e4nkt sich diese Analyse auf Kommentare und Antworten auf diese. Antworten auf Antworten sind unter Umst\u00e4nden somit nicht vorhanden. Somit werden 64&#8217;793 von insgesamt 72&#8217;010 Kommentaren bzw. 89.97 % der analysierten Zeitspanne abgedeckt. Unklar ist, wie viele Kommentare zum Zeitpunkt des Datenbezugs schon gel\u00f6scht wurden, was einen Einfluss auf die Anzahl als toxisch erkannter Kommentare hat.<\/p>\n\n\n\n<p><strong>Untertitel<\/strong>: Automatisch von YouTube generierte hochdeutsche Untertitel zu 185 Sendungen wurden ebenfalls generiert. Hier fehlt ein Teil, was in den Topic Models zu verzerrten Topics f\u00fchren k\u00f6nnte (siehe unten f\u00fcr eine Erkl\u00e4rung).<\/p>\n\n\n\n<p><strong>Zeitraum<\/strong>: Die Analyse beschr\u00e4nkt sich auf den Zeitraum vom 09.01.2020 bis zum 22.04.2021, zuvor war die Sendefrequenz entgegen ihrem Titel im Wochendurchschnitt noch kaum&nbsp;<em>\u00abdaily\u00bb.<\/em><\/p>\n\n\n\n<p><strong>Datenaufbereitung, -analyse und -visualisierung<\/strong><\/p>\n\n\n\n<p>Alle Schritte erfolgten in der Programmiersprache R (R Core Team 2021). Verwendet habe ich f\u00fcr die Analyse vor allem Packages aus dem Tidyverse (Wickham et al. 2019). Alle Video Links, Metadaten und YouTube-Kommentare zu den Sendungen habe ich \u00fcber die YouTube Data API (Google Developers 2021) mit einer selbst erg\u00e4nzten Version (Sager 2021a) des&nbsp;<a href=\"https:\/\/github.com\/balthasars\/tuber\">R-Packages tuber<\/a>&nbsp;(Sood 2021) bezogen. Untertitel wurden mit dem R-Package&nbsp;<a href=\"https:\/\/github.com\/jooyoungseo\/youtubecaption\">youtubecaption<\/a>&nbsp;(JooYoung &amp; Soyoung 2020) heruntergeladen.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Erkennung von toxischen Kommentaren<\/h3>\n\n\n\n<p>F\u00fcr die Klassifizierung von toxischen Kommentaren verwende ich den vortrainierten Algorithmus&nbsp;<a href=\"https:\/\/huggingface.co\/deepset\/bert-base-german-cased-hatespeech-GermEval18Coarse\">deepset\/bert-base-german-cased-hatespeech-GermEval18Coarse<\/a>, der von&nbsp;<a href=\"http:\/\/deepset.ai\/\">deepset.ai<\/a>&nbsp;auf der Algorithmus-Plattform&nbsp;<a href=\"https:\/\/huggingface.co\/\">Hugging Face<\/a>&nbsp;publiziert wurde. Den Algorithmus portiert mein R-Package&nbsp;<a href=\"https:\/\/github.com\/balthasars\/wrappingtransformers\">wrappingtransformers<\/a> (Sager 2021b) von Python nach R. <\/p>\n\n\n\n<p>Der Algorithmus wurde mit Tweets aus der Fl\u00fcchtlingskrise 2018 trainiert: Rund 8000 Tweets wurden klassifiziert, ob toxisch bzw. beleidigend (&#8222;offensive&#8220;) waren oder einen anderen Inhalt hatten (&#8218;other&#8216;), siehe dazu Wiegand et al. (2018, p. 2) zum sogenannten GermEval 2018 Datenset. Als toxischen Inhalt soll der Algorithmus Kommentare erkennen, die einem der folgenden drei verschiedenen Inhaltsarten entsprechen:<\/p>\n\n\n\n<ol class=\"wp-block-list\"><li>Herabw\u00fcrdigend aufgrund von Gruppenzugeh\u00f6rigkeit (&#8218;Abuse&#8216;): Herabsetzen durch die Zuschreibung einer sozialen Identit\u00e4t, die von einer (wahrgenommenen) Mehrheit der Menschen als besch\u00e4mend, unw\u00fcrdig, moralisch verwerflich oder randst\u00e4ndig empfunden werden soll. Daf\u00fcr muss die herabgesetzte Person als Vertreterin einer Gruppe identifiziert und ihr negative Eigenschaften zugeschrieben werden, die immer und unver\u00e4ndlich bei allen Mitgliedern der Gruppe zutreffen sollen. Zu Kategorie geh\u00f6ren auch Entmenschlichungen: Wenn jemand z.B. als Abschaum oder Ungeziefer bezeichnet wird.<\/li><li>Beleidigend (&#8218;Insult&#8216;): Inhalte gilten als Beleidigungen wenn Personen beschimpft werden. Dabei wird die Verachtung gegen\u00fcber einer Person ausgedr\u00fcckt.<\/li><li>Profane Sprache (&#8218;Profanity&#8216;): Kommen Fluche oder Kraftw\u00f6rter vor, giltet das als profane Sprache \u2013 dabei werden allerdings keine spezifischen Personen oder Gruppen beleidigt.<\/li><\/ol>\n\n\n\n<h4 class=\"wp-block-heading\">Modellg\u00fcte des Algorithmus und Validierung anhand von YouTube-Kommentaren<\/h4>\n\n\n\n<p>Die Modellg\u00fcte wurde an 250 zuf\u00e4llig gezogenen, von mir manuell auf Toxizit\u00e4t annotierten Kommentare gepr\u00fcft. Folgende Werte wies der Algorithmus auf, wobei Positive = Toxisch:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>Confusion Matrix<ul><li>True Positives: 26.29 % bzw. 66<\/li><li>False Negatives: 5.58 % bzw. 14<\/li><li>False Positive: 23.9 % bzw. 60<\/li><li>True Negatives: 44.22 % bzw. 111<\/li><\/ul><\/li><li>Weiter Metriken<ul><li>Sensitivity: 0.8250000<\/li><li>Specificity: 0.6491228<\/li><li>Pos Pred Value: 0.5238095<\/li><li>Neg Pred Value: 0.8880000<\/li><li>Precision: 0.5238095<\/li><li>Recall: 0.8250000<\/li><li>F1: 0.6407767<\/li><li>Prevalence: 0.3187251<\/li><li>Detection Rate: 0.2629482<\/li><li>Detection Prevalence: 0.5019920<\/li><\/ul><\/li><\/ul>\n\n\n\n<p>Der Algorithmus stufte zu viele Kommentare als toxisch ein. Deshalb wurde ein Korrekturfaktor berechnet, um den Anteil der toxischen Kommentaren an allen Kommentaren nach unten zu korrigieren:<\/p>\n\n\n\n<ul class=\"wp-block-list\"><li>Anzahl Positives\/bzw. toxische Kommentare: True Positives + False Negatives = 80<\/li><li>Kommentare, die der Algorithmus als toxisch einstuft: True Positives + False Positives = 126<\/li><li>Um wie viel Prozent ist die erkannte Gesamtzahl zu hoch: 1 &#8211; (True Positives + False Negatives)\/(True Positives + False Positives) * 100 = 36.5079365 % bzw. 1 &#8211; 80\/126<\/li><\/ul>\n\n\n\n<p>Damit entsteht der Korrekturfaktor von 80\/126 = 0.6349206. Wenn der Classifier f\u00fcr ein Video z.B. 273 toxische Kommentare erkennt, ist die \u00abechte\u00bb Zahl: 273 * 0.6349206 = 173.33. <\/p>\n\n\n\n<p>Die einheitliche Anwendung des Korrekturfaktors auf die erkannte Anzahl toxischer Kommentare bei allen Sendungen f\u00fchrt dazu, dass die Sch\u00e4tzungen insgesamt konservativ ausfallen. Die einheitliche Anwendung unterliegt der Annahme, dass der Classifier bei den Kommentaren zu jeder Episode gleich daneben liegt, was nicht zwingend stimmt.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Identifizierung von Themen<\/h2>\n\n\n\n<p>Um welche Themen es in einer Episode geht, finde ich anhand eines sogenannten Structural Topic Models heraus (Roberts et al. 2019), das ich auf die automatisch generierten Untertitel zu den Episoden anwende. Damit lassen sich Gruppen oft zusammen vorkommender Begriffe generieren. Das Modell generiert f\u00fcr jedes Wort im Text einen Wahrscheinlichkeitswert (sog. Gamma-Werte), ob es in einem &#8218;Thema&#8216; bzw. Topic vorkommt. Zuvor muss die Anzahl zu entdeckender Topics definiert werden \u2013 ich habe das Modell f\u00fcr 10, 15, 20, 25 und 30 Topics gerechnet und mich aufgrund der entstehenden Topics f\u00fcr das Topic Model mit 25 Themen entschieden.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Identifizierung von Themen, auf die besonders viele toxische Kommentare folgten<\/h2>\n\n\n\n<p>Um herauszufinden, ob bei gewissen Sendungsthemen der Anteil von Toxischem an allen Kommentaren besonders hoch ist, wurden OLS-Regressionen gerechnet: Der Anteil aller durch das STM in den Untertiteln zu einer Sendung entdeckten Themen (unabh\u00e4ngige Variable) soll den Anteil toxischer Kommentare der jeweiligen Episode erkl\u00e4ren (abh\u00e4ngige Variable). <\/p>\n\n\n\n<p>F\u00fcr ein STM-Modell mit 25 Topics sieht die Formel wie folgt aus: <em>Anteil_toxischer_Kommentare_an_allen_Kommentaren ~ Beta_0 + Beta_1 * Anteil_Thema_1 + Beta_2 * Anteil_Thema_2 + Beta_3 * Anteil_Thema_3 + &#8230; + Beta_25 * Anteil_Thema_25.<\/em> <\/p>\n\n\n\n<p>Koeffizienten von Themen, die positiv und mit P &lt; 0.001 mit dem Anteil toxischer Kommentare korrelieren, wurden im Artikel hervorgehoben. Die identifizierten Themen korrelieren bei K = 25 und K = 30. Wie im Artikel erw\u00e4hnt, weisen die Korrelationen nicht zwingend darauf hin, dass K\u00f6ppel Treiber der toxischen Kommentare ist.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Referenzen<\/h2>\n\n\n\n<ul class=\"wp-block-list\"><li>\u00c1lvarez-Benjumea, A., &amp; Winter, F. (2020). The breakdown of antiracist norms: A natural experiment on hate speech after terrorist attacks. Proceedings of the National Academy of Sciences, 117(37), 22800-22804.&nbsp;<a href=\"https:\/\/doi.org\/10.1073\/pnas.2007977117\">https:\/\/doi.org\/10.1073\/pnas.2007977117<\/a><\/li><li>Baldwin R. (2013). YouTube Tries to Clean Up the Filthiest Comments on the Internet. Wired.&nbsp;<a href=\"https:\/\/www.wired.com\/2013\/09\/youtube-comments\/?mbid=social12316904\">https:\/\/www.wired.com\/2013\/09\/youtube-comments\/?mbid=social12316904<\/a><\/li><li>Biermann K. (2013). Google will YouTube zivilisieren. Die Zeit.&nbsp;<a href=\"https:\/\/www.zeit.de\/digital\/internet\/2013-09\/youtube-googleplus-kommentare\">https:\/\/www.zeit.de\/digital\/internet\/2013-09\/youtube-googleplus-kommentare<\/a><\/li><li>Bilewicz, M., &amp; Soral, W. (2020). Hate speech epidemic. The dynamic effects of derogatory language on intergroup relations and political radicalization. Political Psychology, 41, 3-33.&nbsp;<a href=\"https:\/\/doi.org\/10.1111\/pops.12670\">https:\/\/doi.org\/10.1111\/pops.12670<\/a><\/li><li>Biswal, C. &amp; Neuhaus, C. (2021). Magdalena Martullo-Blocher: \u00abDer Bund hat eine Diktatur eingef\u00fchrt. Er hat die Demokratie ausgeschaltet\u00bb. Neue Z\u00fcrcher Zeitung.&nbsp;<a href=\"https:\/\/www.nzz.ch\/schweiz\/magdalena-martullo-blocher-der-bund-hat-eine-diktatur-eingefuehrt-er-hat-die-demokratie-ausgeschaltet-ld.1601336\">https:\/\/www.nzz.ch\/schweiz\/magdalena-martullo-blocher-der-bund-hat-eine-diktatur-eingefuehrt-er-hat-die-demokratie-ausgeschaltet-ld.1601336<\/a><\/li><li>Bogle, A. (2020). Sinister sounds: podcasts are becoming the new medium of misinformation. The Guardian.&nbsp;<a href=\"https:\/\/www.theguardian.com\/media\/2020\/dec\/12\/sinister-sounds-podcasts-are-becoming-the-new-medium-of-misinformation\">https:\/\/www.theguardian.com\/media\/2020\/dec\/12\/sinister-sounds-podcasts-are-becoming-the-new-medium-of-misinformation<\/a><\/li><li><a href=\"http:\/\/deepset.ai\/\">deepset.ai<\/a>&nbsp;(2020). bert-base-german-cased-hatespeech-GermEval18Coarse. Hugging Face.&nbsp;<a href=\"https:\/\/huggingface.co\/deepset\/bert-base-german-cased-hatespeech-GermEval18Coarse\">https:\/\/huggingface.co\/deepset\/bert-base-german-cased-hatespeech-GermEval18Coarse<\/a><\/li><li>Goodman, J., &amp; Carmichael F. (2020). The coronavirus pandemic &#8218;Great Reset&#8216; theory and a false vaccine claim debunked. BBC News.&nbsp;<a href=\"https:\/\/www.bbc.com\/news\/55017002\">https:\/\/www.bbc.com\/news\/55017002<\/a><\/li><li>Google Developers (2021). YouTube Data API V3.&nbsp;<a href=\"https:\/\/developers.google.com\/youtube\/v3\">https:\/\/developers.google.com\/youtube\/v3<\/a><\/li><li>JooYoung S. &amp; Soyoung C. (2020). youtubecaption: Downloading YouTube Subtitle Transcription in a Tidy Tibble.&nbsp;<a href=\"https:\/\/github.com\/jooyoungseo\/youtubecaption\">https:\/\/github.com\/jooyoungseo\/youtubecaption<\/a>&nbsp;Data Frame. R package version 1.0.0.<\/li><li>Kelland, K. (2021), &#8218;Crazy and evil&#8216;: Bill Gates surprised by pandemic conspiracies. Reuters.&nbsp;<a href=\"https:\/\/www.reuters.com\/article\/us-health-coronavirus-gates-conspiracies-idUSKBN29W0Q3\">https:\/\/www.reuters.com\/article\/us-health-coronavirus-gates-conspiracies-idUSKBN29W0Q3<\/a><\/li><li>K\u00f6ppel, R. (2021), Weltwoche Daily. Weltwoche Verlags AG\/YouTube.&nbsp;<a href=\"https:\/\/www.youtube.com\/channel\/UCq-b0dwW97YRZWgSCikWQRA\">https:\/\/www.youtube.com\/channel\/UCq-b0dwW97YRZWgSCikWQRA<\/a><\/li><li>Michel, P., &amp; Hourni L. (2021). BAG-Sitz in Bern erh\u00e4lt wegen Drohungen Polizeischutz. 20 Minuten.&nbsp;<a href=\"https:\/\/www.20min.ch\/story\/bag-sitz-in-bern-erhaelt-wegen-drohungen-polizeischutz-695333033447\">https:\/\/www.20min.ch\/story\/bag-sitz-in-bern-erhaelt-wegen-drohungen-polizeischutz-695333033447<\/a><\/li><li>Munger, K., &amp; Phillips, J. (2020). Right-Wing YouTube: A Supply and Demand Perspective. The International Journal of Press\/Politics.&nbsp;<a href=\"https:\/\/doi.org\/10.1177\/1940161220964767\">https:\/\/doi.org\/10.1177\/1940161220964767<\/a><\/li><li>Munn, L. (2020). Angry by design: toxic communication and technical architectures. Humanities and Social Sciences Communications, 7(1), 1-11.&nbsp;&nbsp;<a href=\"https:\/\/www.nature.com\/articles\/s41599-020-00550-7\">https:\/\/www.nature.com\/articles\/s41599-020-00550-7<\/a><\/li><li>Perez, S. (2020). YouTube introduces new feature to address toxic comments. TechCrunch.&nbsp;<a href=\"https:\/\/techcrunch.com\/2020\/12\/03\/youtube-introduces-new-features-to-address-toxic-comments\/\">https:\/\/techcrunch.com\/2020\/12\/03\/youtube-introduces-new-features-to-address-toxic-comments\/<\/a><\/li><li>R Core Team (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL&nbsp;<a href=\"https:\/\/www.r-project.org\/\">https:\/\/www.R-project.org\/<\/a>.<\/li><li>Ribeiro, M. H., Ottoni, R., West, R., Almeida, V. A., &amp; Meira Jr, W. (2020, January). Auditing radicalization pathways on YouTube. In Proceedings of the 2020 conference on fairness, accountability, and transparency (pp. 131-141).&nbsp;<a href=\"https:\/\/arxiv.org\/abs\/1908.08313\">https:\/\/arxiv.org\/abs\/1908.08313<\/a><\/li><li>Roberts, M. E., Stewart, B. M., &amp; Tingley, D. (2019). Stm: An R package for structural topic models. Journal of Statistical Software, 91(1), 1-40.<\/li><li>Rohde D. (2020). How America Escapes Its Conspiracy-Theory Crisis. The New Yorker.&nbsp;<a href=\"https:\/\/www.newyorker.com\/news\/the-future-of-democracy\/how-america-escapes-its-conspiracy-theory-crisis\">https:\/\/www.newyorker.com\/news\/the-future-of-democracy\/how-america-escapes-its-conspiracy-theory-crisis<\/a><\/li><li>Sager, B. (2021a). Fork of tuber: Access YouTube from R. R package version 0.9.9.&nbsp;<a href=\"https:\/\/github.com\/balthasars\/tuber\">https:\/\/github.com\/balthasars\/tuber<\/a><\/li><li>Sager, B. (2021b). wrappingtransformers: R wrapper for some Transformers models published at Hugging Face. R package version 0.1.0.&nbsp;<a href=\"https:\/\/github.com\/balthasars\/wrappingtransformers\">https:\/\/github.com\/balthasars\/wrappingtransformers<\/a><\/li><li>Salminen, J., Seng\u00fcn, S., Corporan, J., Jung, S. G., &amp; Jansen, B. J. (2020). Topic-driven toxicity: Exploring the relationship between online toxicity and news topics. PloS one, 15(2), e0228723.<\/li><li>Schmid, S. (2020), Klimajugend sagt \u00abArena\u00bb-Auftritt wegen Roger K\u00f6ppel ab. Neue Z\u00fcrcher Zeitung.&nbsp;<a href=\"https:\/\/www.nzz.ch\/schweiz\/klimajugend-sagt-arena-auftritt-wegen-roger-koeppel-ab-ld.1578304\">https:\/\/www.nzz.ch\/schweiz\/klimajugend-sagt-arena-auftritt-wegen-roger-koeppel-ab-ld.1578304<\/a><\/li><li>SDA (2019), Die \u00dcberflieger, die Frauen, die Abgew\u00e4hlten und die Jungen. Tages-Anzeiger.&nbsp;<a href=\"https:\/\/www.tagesanzeiger.ch\/schweiz\/standard\/wahlbeteiligung-tiefer-als-2015\/story\/27906251\">https:\/\/www.tagesanzeiger.ch\/schweiz\/standard\/wahlbeteiligung-tiefer-als-2015\/story\/27906251<\/a><\/li><li>Sood, G. (2021). tuber: Access YouTube from R. R package version 0.9.9.&nbsp;<a href=\"https:\/\/github.com\/soodoku\/tuber\">https:\/\/github.com\/soodoku\/tuber<\/a><\/li><li>Tait, A. (2016). Why Are YouTube Comments the Worst On the Internet?. New Statesman.&nbsp;<a href=\"https:\/\/www.newstatesman.com\/science-tech\/internet\/2016\/10\/why-are-youtube-comments-worst-internet\">https:\/\/www.newstatesman.com\/science-tech\/internet\/2016\/10\/why-are-youtube-comments-worst-internet<\/a><\/li><li>Wiegand, M., Siegel, M., &amp; Ruppenhofer, J. (2018). Overview of the germeval 2018 shared task on the identification of offensive language. <\/li><li>Wickham et al., (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686,&nbsp;<a href=\"https:\/\/doi.org\/10.21105\/joss.01686\">https:\/\/doi.org\/10.21105\/joss.01686<\/a><\/li><li>Weltwoche Verlags AG (2021). Disclaimer Kommentarfunktion.&nbsp;<a href=\"https:\/\/www.weltwoche.ch\/ueber-uns\/impressum-disclaimer.html\">https:\/\/www.weltwoche.ch\/ueber-uns\/impressum-disclaimer.html<\/a><\/li><\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Hass findet man auf YouTube an vielen Orten. Doch Roger K\u00f6ppels morgendlichen&nbsp;\u00abEspresso gegen den Mainstream-Tsunami\u00bb&nbsp;scheinen besonders viele YouTube-Kommentierende schlecht zu ertragen: Beschimpfungen, Hassrede und Vulg\u00e4res machen einen wesentlichen Teil der Kommentare zu seiner Sendung \u00abWeltwoche Daily\u00bb&nbsp;aus. Die Auswertung von 65&#8217;000 YouTube-Kommentaren zu K\u00f6ppels Sendung zeigt: Der Wind weht zunehmend rauer.&nbsp;Eine Untersuchung.&nbsp;W\u00e4hrend andere noch schlafen, l\u00e4sst [&hellip;]<\/p>\n","protected":false},"author":118,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[426,416,425,427,409,428,424],"class_list":["post-24989","post","type-post","status-publish","format-standard","hentry","category-allgemein","tag-hass-im-internet","tag-machine-learning","tag-roger-koeppel","tag-straftaten","tag-structural-topic-modeling","tag-verschwoerungstheorien","tag-youtube"],"_links":{"self":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts\/24989","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/users\/118"}],"replies":[{"embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/comments?post=24989"}],"version-history":[{"count":40,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts\/24989\/revisions"}],"predecessor-version":[{"id":26137,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/posts\/24989\/revisions\/26137"}],"wp:attachment":[{"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/media?parent=24989"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/categories?post=24989"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pwiweb.uzh.ch\/wordpress\/wp-json\/wp\/v2\/tags?post=24989"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}