McJobs: 3 hondenbanen in de contentsector

Content kan soms behoorlijk ingewikkeld zijn: politiek, machtspelletjes, eigenbelang en niks klant centraal.
Het lijkt me dan heerlijk om worst te verkopen bij de HEMA. Met mosterd, zonder mosterd. Meer opties zijn er niet.

Bron: https://www.flickr.com/photos/franklinheijnen/14997510636/in/photolist-oRhapA-4oJWcg-7h6Kgx-oAPxGw-mKCeXH-5cmfkV-aZ72BF-7Qrfsc-dXjSd6-5noqQK-D2sfK-54KTTc-ciuQF/

Gewoon voor héél even een McJob:  een baantje in de dienstverlening, zonder veel prestige en toekomstperspectief, niet bijzonder hoogbetaald en door schrijver Douglas Coupland a satisfying career choice by people who have never held one genoemd.

Maar je hoeft niet naar de HEMA of McDonalds voor zo’n McJob. Ook in de contentsector bestaan ze, die rechttoe rechtaan banen.

Maar de eenvoud van de mcJob is valse romantiek. Zo prettig is het helemaal niet om een radertje te zijn in een grote contentmachine.

In dit artikel: drie content McJobs, in volgorde van afstomping.

Massaproductie op de contentboerderij

Tot Google’s panda-update er in 2011 een einde maakte hadden 15.000 schrijvers en redacteuren er een job aan: massaal artikelen produceren over zeer specifieke onderwerpen. Die vervolgens dwanggevoederd werden met links en trefwoorden om ze hoog in Google te krijgen. Leesbaar hoefde het niet te zijn.

De massaproductie op deze contentboerderijen begon bij Little Brother, het algoritme dat een eindeloze stroom ideeën voor artikelen genereerde. Een schrijver kon daar op intekenen (400 woorden voor 15 dollar), en eindredactie ging voor drieënhalve dollar per artikel.

Maar als je een beetje eer in je vak legt dan is een halfuur voor een artikel van 400 woorden niet zo veel, en ook redigeren doe je niet in één ronde. Waarmee dit werk wel beschouwd kan worden als extreem laagbetaald. Een echte McJob dus.

Marathonkijken als Netflix tagger

Netflix is afhankelijk van taggers, mensen die trefwoorden in verschillende categorieën toekennen  aan films. Ook deze job levert niet veel op – een paar honderd dollar voor 16 tot 20 uur film kijken – maar heeft prestige want Netflix is cool.

Waar je op de contentboerderij je onderwerp nog kon kiezen, heeft een Netflix-tagger geen invloed op wat hij voorgeschoteld krijgt. Dat betekent dus ook hele seizoenen My Little Pony of Winx. Het taggen van heftige films wordt overigens vooraf wel netjes gevraagd (en de allerheftigste doet de supervisor).

Ondanks de verplichte ergonomische stoel heeft deze baan serieuze gevolgen voor je gezondheid. Zoveel uur zitten verhoogt de kans op een hartaanval met 64%,  wijst onderzoek uit. Iets om te bedenken voordat je ‘de toekomst van TV gaat vormgeven’.

De ware hondenbaan: contentmoderator

De allerergste baan in de contentwereld is echter die van moderator. Er zijn er nu al 100.000 van. Dagelijks doorzoeken zij onze sociale netwerken op vers ge-uploade content die niet door de beugel kan. Dat doen ze met PhotoDNA, de software die ook door de zedenrecherche gebruikt wordt om kinderporno mee op te sporen.

De moderatoren gebruiken heel wat minder onschuldige tags dan Netflix. Zij doorzoeken beeld op categorieën die je bij het lezen ervan al koude rillingen bezorgen: naast (kinder)porno en racisme is er de verzamelcategorie gore: vechtpartijen, dierenmishandeling, zelfmoordaanslagen, onthoofdingen en verkeersongelukken.

De gevolgen van een dagelijkse confrontatie met het allerslechtste van de mens worden door Adrian Chen in Wired beschreven. Elke moderator gaat na drie tot vijf maanden onderuit. Als je volhoudt liggen emotionele afstomping, PTSS en depressie op de loer. En dat voor 300 tot 500 dollar per maand.

Einde in zicht?

Laagbetaald, uitzichtloos, geen prestige of waardigheid en schadelijk voor lichaam en geest.  Aan de andere kant van het internet bevindt zich de ergste McJob die je je kunt voorstellen: de content moderator je Facebookfeed lekker smooth houdt.

Maar er is goed nieuws. Recente ontwikkelingen in beeldherkenning zorgen ervoor dat de nauwkeurigheid waarmee alle gore herkend kan worden met sprongen toeneemt. En het algoritme leert ook nog eens bij. In een vervolgartikel zal ik laten zien hoe beeldherkenning en big data ingezet kunnen worden bij content moderation. Want als er één hondenbaan is die overbodig gemaakt mag worden door een goed getraind algoritme, dan is het wel die van content moderator.

 

Dit artikel verscheen ook op Frankwatching

 

 

Comments are closed.