Magyar vagy? Mit nézel?

Mit lát egy népről az, aki a világ legnagyobb internetes videomegosztóján keres rá, a legnépszerűbb közvetítőnyelvet, az angolt használva? E kérdésre kereste a választ a hvg.hu munkatársának kutatása, amely a YouTube videomegosztó adatbázisát vizsgálta. Célkeresztben 35 európai nép, a végeredmény több szempontból is érdekes.

Kattintson a képre, és nézze meg 35 nép címkefelhőjét!

Bródy, Budapest, Caramel, dance, Eurovision, funny, gypsy, Gyurcsány, Liszt, Megasztár, Pokolgép, rhapsody, sex, Showder – néhány példa azokból a könnyebb keresést segítő címkékből, amelyekkel magyar vonatkozású videóikat látták el a YouTube-ra filmet feltöltő felhasználók. Ők lennének Magyarország a világ szemében? Vagy Speak, a "magyar rapper", akinek első és mindezidáig egyetlen klipjét több milliónyian látták már a videomegosztókon, és a YouTube-on a Hungarian szóra keresve a második helyen áll?

A kutatás alapkérdése az volt, megrajzolható-e egy nemzet profilja kisfilmek, szpotok és animációk százai, ezrei segítségével, illetve ez a mozgóképtömeg kifejezhető-e a videókhoz kapcsolt kulcsszavakkal – azaz címkékkel. A kutatás végére kiderült: igen, részben megrajzolható, ám talán ennél is izgalmasabb az eredmény másik fele. De ne siessünk ennyire előre, nézzük előbb a hátteret.

Miért és hogyan lesznek a videókból címkék? – az ötlettől a módszertanig

Ez ellen nem véd…

Mindenképpen érdemes megjegyezni azt is, mire nem jó e kutatás. Hiba lenne például azt állítani, hogy az így kapott címkefelhők megmutatják, mi érdekli egy nép internetezőit. Egyrészt előfordulhat, hogy a YouTube-felhasználó egyáltalán nem kategorizálja videóit, vagy nem angolul, hanem saját anyanyelvén címkézi meg felvételeit – bárhogy is tesz, videói kiesnek a mintából. Másrészt semmi sem garantálja, hogy a Danish címkét alkalmazó felhasználó maga dán lenne. A címkézés rendszerét ezen felül gyakran ki is használják a felhasználók saját videóik népszerűsítésére, aminek következtében alkotásaikat az oldal keresője olyan kulcsszavak beírásakor is feldobja, amihez a film egyáltalán nem kapcsolódik. A nagyobb nézettségre törekvés mögött állhat üzleti érdek (amikor a feltöltő önmagát reklámozó videót szeretne minél több emberhez eljuttatni), de lehet szimpla magamutogatás is. Ebben az egyik rekorder az a török futballszurkoló volt, aki csapata fanatikus rajongóinak videofelvétele mellé csaknem az összes nagy európai bajnokság alakulatának nevét beírta, így terelve az oldal keresőjéből a látogatókat saját felvételéhez, közel egymilliós nézettséget generálva ezzel videójának. Megfigyelhető valamiféle „üzengetés” is a címkézések során, amikor a videó megosztója nem kategorizálni kívánja a feltöltött anyagokat, hanem egy másik népcsoport részére elérhetővé tenni. Példa lehet erre, amikor egy horvát videó feltöltője az összes szomszédos délszláv államot, népet beleírja a címkék közé (ez persze megtörténik fordítva is), vagy amikor büszke görög nacionalisták üzengetnek a neten az „ősellenség” törököknek (a gay /meleg/ szó megjelenése mindkét nemzet címkefelhőjében például e sárdobálás homofób verzióját mutatja). Mind a nézettséghajhászó címkézés, mind az „üzengetés” ronthatja a lista népbemutató jellegét, rámutathat azonban az egyes nemzetek önképét befolyásoló rivális nemzetekre. Itt illik megemlíteni azt is, hogy egyes népek és nyelvek határok nélkülisége miatt több címkefelhő kissé „betegesre” sikeredett. Különösen igaz ez a világnyelvekre, azokon belül is leginkább a Spanyolországon kívül egy fél kontinensnyi területen használt spanyolra, egy kicsit a franciára és az olaszra, valamint a Brazíliában is beszélt portugálra is. Ezeknél a népeknél nem annyira a nemzeti karakterek domináltak, a tagek inkább a nyelvre vonatkoztak, e nemzetek listáin talán ezért is találhatunk annyi – az adott nyelvre fordított vagy feliratozott – rajzfilmvideót. Ezeknél sokkal árnyaltabb és kifejezőbb képet adnak a kisebb vagy egy országon belül élő nemzetek címkefelhői.

Kiállítások látogatói az egymásba érő videoinstallációk dzsungelében gyakran szembesülnek azzal, hogy egy alkotás befogadását a szomszédban kiállított művek fény- és hangeffektusai nehezítik. Ugyanez tapasztalható a YouTube-on is: egy-egy szóra akár több ezer találatot is kaphatunk, és néha csak a véletlenen múlik, melyikbe nézünk bele. Ennek kapcsán merülhet fel a kérdés, mekkora az a mozgóképmennyiség, amit egy néző még képes befogadni, illetve létezik-e olyan eszköz, amely videók tömegét zanzásítja, könnyebben befogadhatóvá teszi.

Ez a kutatás a videókhoz a feltöltők által kapcsolt kategorizáló szavakat, a címkéket (angolul: tageket) választotta e célra. A 2007 augusztusa és októbere között elvégzett adatgyűjtés a kérdéses nép nevének angol megfelelőjére (pl. Hungarian) kapott találati listából indult ki. Ebből egy e célra létrehozott program kiválasztott maximum ezer – amely nép esetében ennyi nem volt, ott minden – videót, és kigyűjtötte a videók mellé társított valamennyi címkét. A leggyakoribb címkékből állt aztán össze az előfordulási számok alapján az úgynevezett címkefelhő. Ennek lényege az, hogy minél gyakoribb egy címke előfordulása, a felhőbe annál nagyobb betűmérettel kerül ki. A leggyakoribb címke 32-es, a legritkábbak pedig 10-es betűmérettel képviseltetik magukat az egyébként abc-sorrendbe rendezett listán.

Az automatikus címkegyűjtést „kézi” ellenőrzés követte, melynek során kiderült, hogy esetenként bizonyos címkék nem önállóan, hanem párban jelennek meg. Ezek összevonásával tovább sikerült javítani a felhő beszédességén – teljesen másról árulkodik például önmagában a lion (oroszlán) és a king (király) szó, mint a lion king (Oroszlánkirály)). Olyan is előfordult, hogy egy-egy címke bekerült ugyan a leggyakoribbak közé, a nép jellemzése szempontjából azonban nem volt releváns. Jó példa erre a keresztnevek előfordulása: ezekről ugyanis több alkalommal kiderült, hogy a találati listában más-más vezetéknévhez kapcsolódva jelentek meg.

Nem sokat tett hozzá a listához az sem, ha ugyanaz a szó egyes és többes számban (girl, girls), főnév vagy melléknév alakban (fun, funny) alakban szerepelt, így itt is összevonásra került sor. Kivételt ezek alól csupán a népnevek, országok jelentettek: itt – a később bemutatandó „üzengető-funkció” miatt – minden nyelven és formában bennmaradtak a tagek a felhőben. (A népnév verzióit tekintve csúcstartó macedón címkefelhő esetében további érdekesség is született: a macedón címkefelhő olyan nép képét tárja elénk, amelynek egyik legnagyobb problémája éppen az önmaga történelmi népként történő meghatározása illetve az ennek nemzetközi elfogadása közötti feszültség.)

Mintán belüli „fekete lyukba” estek azok a videók, amelyek csupán egy címkét, éppen a nemzettaget (Hungarian) kapták a feltöltőtől, valamint a kevésszer használt címkék. Ezt a problémát manuális utókeresésekkel próbálta orvosolni a kutatás. Feltételezve azt, hogy a Hungarian szóra kereső netező szemében az első száz találat kiemelkedő jelentőségű (végülis ezt kapja elsőként a monitorjára), valamint hogy e videók többek között magas nézettségük miatt kerültek ide, elmondható, hogy az első száz mozgóképnek kiemelkedő szerepe lehet. Ezért a kutatás legutolsó fázisában nem gyakoriság, hanem relevancia alapján kerültek be további címkék a címkefelhőbe. Ez az eddigi statisztikus felfogáshoz képest egy szubjektívebb válogatás, de mindenképpen szükséges az alkalmazása, ha pontos képet szeretnénk kapni (ezek a címkék a felhőkben bordó színnel szerepelnek).