Rumore algoritmico adiacente nell'educazione alla demenza in lingua cantonese su YouTube: protocollo per un audit sociotecnico degli ambienti di raccomandazione

Gli adulti anziani cino-americani con limitata padronanza dell'inglese si affidano spesso a piattaforme online adatte culturalmente e linguisticamente per l'educazione sulla demenza e l'alfabetizzazione sanitaria. Tuttavia, le valutazioni digitali esistenti si concentrano prevalentemente sulla qualità interna dei materiali educativi, trascurando gli ambienti di raccomandazione attraverso cui gli utenti accedono alle informazioni sanitarie. I sistemi di raccomandazione commerciali possono esporre gli utenti a contenuti sanitari non verificati o motivati da interessi commerciali, adiacenti a risorse basate su evidenze. Questo protocollo descrive un framework computazionale riproducibile per auditare gli ambienti di raccomandazione relativi a video di educazione sulla demenza in lingua cantonese su YouTube, introducendo il concetto di "rumore algoritmico adiacente", ovvero la concentrazione di nodi raccomandati con contenuti divergenti dagli obiettivi educativi basati su evidenze. Il metodo impiega un audit sociotecnico automatizzato tramite Selenium WebDriver e browser headless Chromium, simulando 1200 sessioni di navigazione indipendenti su un arco di cento giorni, con proxy rotativi localizzati nelle comunità cino-americane della California del Sud. Durante ogni sessione, si estraggono le prime dieci raccomandazioni laterali ai video di riferimento. Le raccomandazioni saranno classificate semanticamente in cinque categorie esclusive: risorse sanitarie verificate, cultura della diaspora e intrattenimento, contenuti sanitari a fini commerciali non validati, medicina alternativa non verificata e rumore ambiguo o non classificato. L'attendibilità della codifica sarà garantita tramite doppia codifica e consenso su un campione del dieci percento. L'analisi statistica utilizzerà modelli lineari misti generalizzati per valutare le caratteristiche delle raccomandazioni. I risultati includeranno misure di rumore adiacente, densità e variabilità temporale delle raccomandazioni. Lo studio, con protocollo completato nel 2026 e raccolta dati prevista dopo test e validazioni nel 2027, mira a fornire un metodo strutturato per valutare l'esposizione a informazioni sanitarie in ecosistemi digitali linguisticamente minoritari. Non sono disponibili risultati empirici, trattandosi di un protocollo.