Sosyal medya platformlarının giderek merkezîleşen algoritmik yapısı, bilgi akışı, görünürlük ve uzmanlık temsili üzerinde ciddi etkiler yaratmakta. Özellikle “gatekeeper” tabir edilen etkili ve görünür kişiler, bu platformlarda sürekli ön planda tutularak bilgi akışını yönlendiren, adeta birer “ombudsman” gibi davranan figürlere dönüşüyor. Bu kişiler yalnızca geniş takipçi kitleleriyle değil, aynı zamanda maddi imkânları, kişisel bağlantıları ve karşılıklı görünürlük alışverişine dayanan sosyal sermayeleri sayesinde dijital kamusal alanda baskın konumlarını pekiştiriyor. Ancak bu durum, hem uzmanlık alanlarında fikir çeşitliliğini sınırlandırıyor hem de derinlikli tartışmaları gölgede bırakıyor.
Bu bağlamda, Karine Nahon’un geliştirdiği “network gatekeeping” kuramı, söz konusu süreci anlamak açısından önemli bir teorik zemin sunar. Nahon’a göre dijital ortamda yalnızca insanlar değil, algoritmalar da kapı bekçiliği işlevi görür. Sosyal medya platformları, öneri algoritmaları aracılığıyla hangi içeriklerin öne çıkacağını belirlerken, kimi içerikleri görünür kılmakta, kimilerini ise neredeyse görünmez hale getirmektedir. Bu algoritmik süzgeç, özellikle yüksek etkileşim ve izlenme potansiyeli olan içerikleri tercih etmekte, böylece sosyal sermayesi güçlü kişileri sistematik biçimde yeniden üretmektedir. Arriagada ve Ibáñez’in çalışmaları, bu görünürlük temelli üretim rejiminin içerik üreticilerini kendi kendilerini sömürmeye sevk ettiğini ortaya koymaktadır. Bucher ve Cotter ise sosyal medya fenomenlerinin algoritmaların mantığını çözerek içeriklerini bu mantığa göre optimize etmeye çalıştıklarını ve görünürlük uğruna bir rekabet oyununa girdiklerini belirtir.
Algoritmaların bu kürasyonu, sosyal medya platformlarını yalnızca teknik birer arayüz değil, aynı zamanda kültürel ve ideolojik filtreler olarak konumlandırır. Görünürlük, bilgi değeri ya da uzmanlıkla değil, sıklıkla popülerlik, erişim gücü ve sosyal ağlarla belirlenir. Akademik alanda dahi, sosyal medya üzerinden sıklıkla paylaşılan çalışmalara yapılan atıflar, az bilinen ancak bilimsel değeri yüksek çalışmaların önüne geçer. 2024 tarihli bir araştırma, yapay zekâ ve makine öğrenimi alanında içerik paylaşan influencer’ların, akademik yayınların görünürlüğünü ve atıf sayılarını ciddi ölçüde artırdığını ortaya koymuştur. Ancak aynı çalışmada, bu influencer’ların coğrafya, cinsiyet ve kurumsal açıdan büyük oranda homojen bir yapıya sahip oldukları ve çeşitliliği sınırladıkları da belirtilmiştir.
Böylesi dinamikler, dijital ortamda bilgiye erişim ve fikir alışverişi süreçlerinde ciddi sorunlara yol açmakta. Her şeyden önce, çok sesliliği büyük ölçüde zayıflatmaktadır. Platformlar tarafından görünürlük kazanan uzmanlar ve/veya kanaat önderleri, birbirlerini karşılıklı olarak destekleyerek bir tür klik yapısı oluşturmakta, böylece alternatif görüşlerin dolaşıma girmesini engellemekte. Bu durum, Habermasçı anlamda kamusal alanın çoğulcu yapısını zedelerken, aynı zamanda kullanıcıların yalnızca benzer düşünceleri tükettiği bir yankı odasına (echo chamber) dönüşmesine neden olmakta.
Bunların yanı sıra fikir alışverişi de önemli oranda darbe almaktadır. Geleneksel akademik çevrelerde var olan eleştirel diyalog, karşılıklı düşünce üretimi ve beyin fırtınası süreçleri, sosyal medya ortamında yerini hızlı, yüzeysel ve sıklıkla viral olmaya yönelik içeriklere bırakmakta. Tartışmaların zaman baskısı ve içerik formatlarının kısıtlılığı nedeniyle derinlik kazanması da güçleşmekte. Özellikle tanınırlığı az olan ama alanında kapsamlı bilgiye sahip uzmanların içerikleri, algoritmik olarak yeterince desteklenmediği için geniş kitlelere ulaşamamakta, görünürlükleri kısıtlanmakta. Böylece, hem bilgi üretimi hem de bilgi tüketimi, yüzeyselliğe ve tekrara dayalı bir döngüye hapsolmakta.
Bu süreçlerin bir diğer önemli sonucu da uzmanlık kavramının içinin boşalmasıdır. Popülerlik ile uzmanlık arasındaki ayrım bulanıklaşmakta; bir konuda çok sayıda takipçiye sahip olmak, o alanda bilgi otoritesi sayılmak için yeterli hale gelmekte. Bu durum, özellikle genç kullanıcılar arasında bilgi kaynaklarını değerlendirme becerilerinin zayıflamasına neden olmakta, akademik referans yerine popüler referansların tercih edilmesini teşvik etmekte. Bu bağlamda “algoritmik epistemoloji” olarak adlandırılabilecek yeni bir bilgi rejimi ortaya çıkmaktadır: Bilginin değeri, onun ne kadar doğru ya da geçerli olduğuyla değil, ne kadar paylaşıldığı ve kaç kişiye ulaştığıyla ölçülmektedir.
Sonuç olarak, sosyal medya platformlarında algoritmaların ve etkili kullanıcıların ortak etkisiyle oluşan görünürlük rejimi, bilgi üretimini ve paylaşımını ciddi biçimde dönüştürmektedir. Bu dönüşüm, yalnızca içeriklerin nasıl yayıldığı değil, hangi içeriklerin değerli sayıldığı konusunda da yeni bir normatif çerçeve oluşturmaktadır. Çok sesliliğin azalması, derinlikli düşünce süreçlerinin zayıflaması ve uzmanlıkla popülerliğin birbirine karışması, dijital bilgi ekosisteminin temel sorunları arasında yer almaktadır. Bu nedenle, algoritmik karar alma süreçlerinin şeffaflaştırılması, sosyal medya platformlarında içerik çeşitliliğinin teşvik edilmesi ve görünürlüğün daha adil dağıtılması yönünde sistemler geliştirilmesi elzemdir.
Kaynakça
- Arriagada, A., & Ibáñez, F. (2020). “You need to make time for Instagram”: Exploring the work life of Instagram influencers in Chile. Communication, Culture & Critique, 13(2), 175–192. https://doi.org/10.1093/ccc/tcz043
- Bucher, T. (2012). Want to be on the top? Algorithmic power and the threat of invisibility on Facebook. New Media & Society, 14(7), 1164–1180. https://doi.org/10.1177/1461444812440159
- Cotter, K. (2019). Playing the visibility game: How digital influencers and algorithms negotiate influence on Instagram. New Media & Society, 21(4), 895–913. https://doi.org/10.1177/1461444818815684
- Nahon, K. (2008). Toward a theory of network gatekeeping: A framework for exploring information control. Journal of the American Society for Information Science and Technology, 59(9), 1493–1512. https://doi.org/10.1002/asi.20829
- [Anon.] (2024). Influence of social media personalities on visibility and citation metrics in AI/ML research. arXiv preprint arXiv:2401.13782. https://arxiv.org/abs/2401.13782
Bir Cevap Bırakın