9,600 टिप्पणियों का GENDIS डेटा: सामान्य नकारात्मकता पहचानना आसान नहीं

21 अक्टूबर 2026 को 05:00 pm बजे|लेखक: QUASA संपादकीय टीम|6 मिनट पढ़ने का समय| 1

Luise Koch और सहलेखकों ने 13 अक्टूबर 2026 को जमा GENDIS प्रीप्रिंट में भारत, केन्या और नाइजीरिया से जुड़े YouTube चैनलों की 9,600 मानव-अंकित टिप्पणियाँ प्रस्तुत कीं; प्रत्येक देश के नमूने में 3,200 टिप्पणियाँ हैं। शोध का सीधा निष्कर्ष है कि टिप्पणी में लिंग का संदर्भ पहचानना और उसके प्रति रुख समझना अलग काम हैं। सामान्य नकारात्मकता पकड़ने वाला मॉडल इस फर्क को भरोसेमंद ढंग से नहीं समझ पाता।

यह बहुभाषी, मानव-अंकित संग्रह शोधकर्ताओं को यह जाँचने का आधार देता है कि लिंग का उल्लेख कब हुआ और उस उल्लेख का अर्थ क्या था। चैनल संचालक के लिए इसके वर्गीकरण का संभावित उपयोग समीक्षा योग्य टिप्पणियाँ सामने लाना है। किसी टिप्पणी को हटाने का निर्णय अलग है: अध्ययन GENDIS को पूरी तरह स्वचालित टिप्पणी नियंत्रण प्रणाली नहीं मानता।

नमूना कैसे चुना गया और उसका दायरा क्या है

तीनों देशों के नमूनों का आकार बराबर है, लेकिन उनका चयन पूरी तरह यादृच्छिक नहीं था। शोधपत्र की नमूना-विधि के अनुसार हर देश से 1,500 टिप्पणियाँ स्थानीय लिंग-संबंधी शब्दों के जरिए, 1,500 बिना शब्द-शर्त के यादृच्छिक रूप से और 200 ऐसी टिप्पणियों में से ली गईं जिनमें सूची का कोई शब्द नहीं था। इस व्यवस्था से लिंग-संबंधी भाषा के पर्याप्त उदाहरण मिलते हैं और यह भी दिखता है कि शब्द-सूची से बाहर की टिप्पणियों पर वर्गीकरण कैसा रहता है।

शब्दों के आधार पर चुना गया हिस्सा लिंग-संबंधी बातचीत को जानबूझकर अधिक जगह देता है। इसलिए पूरे अंकित नमूने में किसी श्रेणी का अनुपात लेकर उसे सभी YouTube टिप्पणियों का अनुपात मानना गलत होगा। व्यापक संग्रह में ऐसी टिप्पणियों की हिस्सेदारी का अनुमान केवल बिना शब्द-शर्त वाले यादृच्छिक हिस्से से निकाला गया है। वह अनुमान भी चुने गए चैनलों के संग्रह से संबंधित है, पूरे भारत या YouTube के सभी उपयोगकर्ताओं से नहीं।

मूल टिप्पणियाँ अधिक सदस्य संख्या वाले, देशों से संबद्ध चैनलों के संग्रह से आई थीं। किसी चैनल को भारत की सूची में रखने से उसके संचालक या टिप्पणीकार की राष्ट्रीयता तय नहीं होती; बड़े चैनलों के दर्शक दूसरे देशों में भी हो सकते हैं। छोटे चैनलों, खास विषयों वाले चैनलों या किसी एक भाषा में सक्रिय समुदायों की बातचीत का स्वरूप अलग हो सकता है। इसीलिए देशवार नमूने को स्थानीय भाषाई संदर्भ समझने का साधन मानना अधिक उचित है, राष्ट्रीय जनमत का प्रतिनिधि नमूना नहीं।

लिंग का उल्लेख नकारात्मक रुख क्यों नहीं बन जाता

GENDIS में अंकन पहले तय करता है कि टिप्पणी में लिंग का स्पष्ट या निहित संदर्भ है या नहीं। संदर्भ मिलने पर ही टिप्पणी को नकारात्मक, सकारात्मक, तटस्थ या अनिश्चित रुख दिया जाता है। किसी व्यक्ति के लिए लिखा सामान्य अपमान, जिसमें लिंग का संकेत नहीं है, पहले चरण पर रुक जाता है। वहीं किसी महिला की पहचान बताने वाला साधारण वाक्य लिंग-संबंधी हो सकता है, लेकिन उसका रुख तटस्थ रहेगा।

रुख का अर्थ वाक्य का सतही भाव भी नहीं है। प्रशंसा की भाषा में कही गई प्रतिबंधात्मक लैंगिक धारणा नकारात्मक श्रेणी में जा सकती है। इसके विपरीत, भेदभाव या हिंसा की आलोचना करने वाली टिप्पणी में कठोर शब्द होने पर भी उसका लिंग-संबंधी रुख समर्थनकारी हो सकता है। केवल अप्रिय शब्द गिनने वाला वर्गीकरण इन दोनों स्थितियों को उलट सकता है, क्योंकि उसे यह समझना होता है कि टिप्पणी किस व्यवहार या धारणा के पक्ष में है।

अंकनकर्ताओं को टिप्पणी का पाठ दिखाया गया था, वीडियो का शीर्षक, विवरण और आसपास की बातचीत नहीं। इससे सभी टिप्पणियों के लिए वर्गीकरण का आधार एक जैसा रहा, लेकिन व्यंग्य, स्थानीय मुहावरे और अधूरे संकेत समझना कठिन हो सकता है। जहाँ अंकनकर्ताओं में रुख पर सहमति नहीं बनी, अध्ययन ने उस मतभेद को दर्ज रखा। ऐसी टिप्पणी पर मॉडल का निश्चित दिखने वाला परिणाम भी मानवीय व्याख्या की जगह नहीं लेता।

परीक्षण में मॉडल कहाँ चूके

मॉडलों के लिए लिंग का संदर्भ पहचानना उसके प्रति रुख तय करने से आसान निकला। GENDIS के परीक्षण परिणामों में SetFit वर्गीकरण मॉडल का समग्र एफ-वन अंक संदर्भ पहचानने पर 0.83 और रुख तय करने पर 0.67 था; सामान्य विषाक्तता जाँच का रुख संबंधी अंक 0.31 रहा। ये अंक उसी मानव-अंकित परीक्षण सामग्री और उसकी श्रेणियों के लिए हैं, किसी चैनल पर टिप्पणी हटाने की सफलता दर के लिए नहीं।

नकारात्मक लिंग-संबंधी भाषा अपेक्षाकृत आसानी से पहचानी गई, जबकि तटस्थ विवरण और समर्थन जताने वाली टिप्पणियाँ अधिक बार उलझीं। समान शब्द अलग अर्थों में आ सकते हैं: महिलाओं की सुरक्षा से जुड़ी भाषा नुकसान पहुँचाने वाले कथन में भी हो सकती है और उसके विरोध में भी। सामान्य विषाक्तता जाँच अपमानजनक हिस्से तक पहुँचती है, पर बिना अपमान वाली लिंग-संबंधी बातचीत उसके दायरे से बाहर रह सकती है। यही कारण है कि सामान्य नकारात्मकता का संकेत लिंग-संबंधी रुख का तैयार फैसला नहीं बनता।

स्थानीय रूप से अंकित उदाहरणों पर प्रशिक्षित हल्का मॉडल परीक्षण में सामान्य विषाक्तता जाँच से बेहतर रहा। फिर भी एक देश की टिप्पणियों पर सीखा वर्गीकरण दूसरे देश में कमजोर पड़ा; बोलचाल, मिश्रित भाषा और लैंगिक संकेत हर जगह एक जैसे नहीं हैं। भारतीय चैनल पर केन्या या नाइजीरिया की सामग्री से बना परिणाम सीधे लागू करने से स्थानीय अर्थ छूट सकता है। समीक्षा के लिए संभावित टिप्पणी सामने लाना इस शोध के काम से मेल खाता है; संदर्भ देखे बिना उसे हटाना उससे आगे का निर्णय होगा।

दूसरे YouTube अध्ययन से इसका फर्क

विज्ञान और प्रौद्योगिकी चैनलों की टिप्पणियों पर अलग अध्ययन ने लगभग दस लाख एकत्र टिप्पणियों में से सफाई के बाद 197,466 का विश्लेषण किया। उसमें प्रस्तुतकर्ता के लिंग के अनुसार टिप्पणियों के भाव और विषयों का अध्ययन हुआ; शोधकर्ताओं ने व्यंग्य, मिश्रित भाषाओं और निहित भाव को वर्गीकरण की कठिनाइयों में गिना। उसका भाव-वर्गीकरण और GENDIS का लिंग-संदर्भ तथा रुख-वर्गीकरण अलग प्रश्नों के उत्तर देते हैं।

GENDIS का उपयोगी योगदान उसी प्रश्न को अधिक सटीक बनाना है जिसे टिप्पणी नियंत्रण में अक्सर एक सामान्य नकारात्मकता अंक से हल करने की कोशिश होती है। टिप्पणी लिंग के बारे में है या नहीं, और यदि है तो उसका रुख क्या है—इन फैसलों को अलग रखने से तटस्थ विवरण तथा समर्थनकारी भाषा को अपमान के साथ मिलाने की संभावना घटती है। किसी खास वीडियो पर अंतिम कार्रवाई के लिए टिप्पणी का भाषाई अर्थ और बातचीत का संदर्भ फिर भी देखना होगा।

यह भी पढ़ें:

साझा करें: