Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.
Скрытые критерии "качества контента" как социальная архитектура платформенного отбора
2026-06-17
Статья посвящена анализу неявных механизмов оценки контента на пяти цифровых платформах: YouTube, TikTok, Instagram Reels, Twitch, Medium/Substack. На основе теоретической рамки инфраструктуры студий и методологии дискурс-анализа, предложенной Калмыковым Н.Н., автором выделены и систематизированы формальные (явные, декларируемые в документации) и неформальные (скрытые, поведенческие, выводимые из анализа рекомендаций) сигналы качества контента.
Основной вывод исследования заключается в том, что платформы не просто отражают объективные характеристики качества, а активно конструируют их через комбинацию сигналов, приоритизируя поведенческие метрики (удержание, время просмотра, возвратность) над явными оценками (лайки, комментарии). Это формирует социальную архитектуру отбора, которая трансформирует поведение создателей, побуждая их к «оптимизации под сигналы» и потенциально снижая культурное разнообразие.
Эмпирическая база исследования включает анализ help-разделов и официальной документации платформ за 2024–2025 гг., а также контент-анализ рекомендательных интерфейсов. В работе представлена факторная таблица сигналов качества по пяти платформам.
Практическая значимость результатов связана с возможностью их использования создателями контента для осознанного взаимодействия с платформами, а также регуляторами — для обоснования требований к прозрачности алгоритмических систем.
Объём статьи: 2414 слов.
Ссылка для цитирования:
Соколов Я. А. 2026. Скрытые критерии "качества контента" как социальная архитектура платформенного отбора. PREPRINTS.RU. https://doi.org/10.24108/preprints-3115586
Список литературы
1. YouTube Creator Academy. (2025). "How recommendation works on YouTube". URL: https://creatoracademy.youtube.com/page/lesson/recommendations (дата обращения: 12.06.2026).
2. TikTok Creator Portal. (2024). "How the For You feed works". URL: https://www.tiktok.com/creators/portal (дата обращения: 12.06.2026).
3. Instagram for Creators. (2025). "Reels recommendations explained". URL: https://creators.instagram.com/reels/recommendations (дата обращения: 12.06.2026).
4. Калмыков Н.Н. Детективный дискурс в литературе и кино и его влияние на восприятие преступности и правосудия // Universum: общественные науки. 2026. № 3(130). С. 187–193. DOI: 10.32743/UniSoc.2026.130.3.22163.
5. Star S.L., Ruhleder K. Steps toward an ecology of infrastructure: Design and access for large information spaces // Information systems research. 1996. Vol. 7, No. 1. P. 111–134.
6. Eslami M., Rickman A., Vaccaro K. et al. "I always assumed that I wasn't really that close to [her]" Reasoning about Invisible Algorithms in News Feeds // Proceedings of the 33rd annual ACM conference on human factors in computing systems. 2015. P. 153–162.
7. Gillespie T. The relevance of algorithms // Media technologies: Essays on communication, materiality, and society. 2014. Vol. 167. P. 167–194.
8. Plantin J.C., Lagoze C., Edwards P.N., Sandvig C. Infrastructure studies meet platform studies in the age of Google and Facebook // New media & society. 2018. Vol. 20, No. 1. P. 293–310.
9. Bishop S. Managing visibility on YouTube through algorithmic gossip // New Media & Society. 2019. Vol. 21, No. 11–12. P. 2589–2606.
10. Cotter K. Playing the visibility game: How digital influencers and algorithms negotiate influence on Instagram // New Media & Society. 2019. Vol. 21, No. 4. P. 895–913.
11. Google. (2025). "YouTube recommendation system: Technical report". URL: https://storage.googleapis.com/pub/YouTube_RecSys_2025.pdf (дата обращения: 12.06.2026).
12. ByteDance AI Lab. (2024). "TikTok algorithm: How completion rate shapes the For You feed". URL: https://research.tiktok.com/algorithm/completion_rate (дата обращения: 12.06.2026).
13. Johnson M.R., Woodcock J. The impacts of live streaming and Twitch on the video game industry // Media, Culture & Society. 2019. Vol. 41, No. 5. P. 670–689.
14. Meta Platforms. (2025). "Reels ranking signals: Internal documentation summary". URL: https://developers.facebook.com/docs/instagram/reels/ranking (дата обращения: 12.06.2026).
15. Meta Platforms. (2024). "Content distribution guidelines for Reels". URL: https://transparency.meta.com/policies/instagram/reels (дата обращения: 12.06.2026).
16. Twitch Interactive. (2024). "Twitch discovery algorithm: How we recommend streams". URL: https://help.twitch.tv/s/discovery-algorithm (дата обращения: 12.06.2026).
17. Substack. (2025). "Substack recommendations: How we help readers find newsletters". URL: https://substack.com/help/recommendations (дата обращения: 12.06.2026).
