Come creare uno strumento per monitorare affermazioni e disinformazione su YouTube

Il problema che risolve

I fact-checker possono fare ricerche sulle piattaforme testuali, ma il video resta in gran parte opaco. Le affermazioni vengono ripetute con formulazioni leggermente diverse su decine di canali, e documentarne la diffusione significa guardare ore di filmati. I ricercatori hanno bisogno di trascrizioni ricercabili, di corrispondenze semantiche per le parafrasi e di una documentazione verificabile di ogni occorrenza.

Cosa includere nella prima versione

• ■Monitoraggio di un insieme definito di canali
• ■Ricerca semantica delle parafrasi di un'affermazione, non solo della formulazione esatta
• ■Una timeline che mostra la prima apparizione e la diffusione
• ■Citazioni con link e timestamp per la verifica
• ■Prove esportabili per report e pubblicazioni

Come realizzarla, passo dopo passo

1. 01

   Raccogli le trascrizioni

   Risolvi i canali inclusi nello studio e recupera in batch i loro video per il tuo intervallo di tempo. Continua a monitorare i nuovi caricamenti se lo studio è in corso.

2. 02

   Crea gli embedding dei segmenti

   Crea gli embedding di ogni paragrafo delle trascrizioni per trovare dichiarazioni con significato simile.

3. 03

   Cerca l'affermazione

   Crea gli embedding di diverse formulazioni dell'affermazione, recupera i passaggi simili e fai confermare a un revisore o a un LLM quali la sostengono davvero.

4. 04

   Costruisci la timeline

   Ordina le corrispondenze confermate per data di pubblicazione ed esportale con canale, citazione e link con timestamp.

Codice di partenza

Questa idea si basa sullo schema "Ricetta 2: monitora i canali e ricevi avvisi sui nuovi video". Sostituisci canali, prompt e storage con i tuoi.

import requests

API = "https://www.youtubetranscript.dev/api/v2"
HEADERS = {"Authorization": "Bearer yt_sk_live_YOUR_KEY"}

WATCHLIST = ["@somechannel", "@anotherchannel"]
KEYWORDS = ["your brand", "competitor"]
seen = set()  # persist this in a database in production

for handle in WATCHLIST:
    latest = requests.post(f"{API}/channels/resolve", headers=HEADERS,
                           json={"handle": handle, "limit": 10}).json()
    for video in latest["items"]:
        if video["video_id"] in seen:
            continue
        seen.add(video["video_id"])
        t = requests.post(f"{API}/transcribe", headers=HEADERS,
                          json={"video": video["video_id"]}).json()
        text = t.get("data", {}).get("transcript", {}).get("text", "").lower()
        hits = [k for k in KEYWORDS if k in text]
        if hits:
            print(f"ALERT {video['title']}: {hits}")

Perché vale la pena realizzarla

Le organizzazioni di fact-checking e i gruppi di ricerca guadagnano in velocità e in prove verificabili. I team di trust and safety e le società di media monitoring pagheranno per strumenti che coprono anche il video.

Errori da evitare

• ✕Trattare le corrispondenze automatiche come conclusioni: fai sempre confermare a una persona prima di pubblicare.
• ✕Cercare solo frasi esatte: le affermazioni mutano, quindi usa la ricerca semantica con più formulazioni.
• ✕Perdere la provenienza: conserva ID video, timestamp e data di recupero per ogni citazione.

Domande su questa idea