Språket som YouTube piper bort men barn ändå hör

Så låter språket egentligen

Du går förbi ditt barn i soffan och en kreatör i rutan säger ”what the f-bomb is wrong with you”. Fast f-bomben är ingen bomb, det är ett halvt bortpipat ord. Barnet skrattar. Hen vet exakt vad som sades. Kreatören censurerade sig själv precis tillräckligt för att behålla YouTubes intäkter, och inte alls för att skydda någon som lyssnar.

Det här är vardagstexturen i språket på YouTube. Inte värsta scenarierna. Bara de vanliga. En gamingkreatör med 5 miljoner prenumeranter säger ”you’re a piece of [paus] sht” med en liten vokalförskjutning. En programledare på en reaktionskanal kallar en främling för ”trash” åtta gånger i en fem minuter lång video. En vlogg börjar med ”my f**king coffee maker is broken”. Varje ord går att höra. Inget av det kräver att kreatören faktiskt uttalar stavelserna.

Sedan finns andra nivån. Språket som inte ens behöver förklädas eftersom YouTubes filter inte flaggar det. ”Damn it.” ”This game sucks ass.” ”Crap.” Milda svordomar som skulle ha fått folk att höja på ögonbrynen i ett vardagsrum på 90-talet och som nu passerar utan kommentar. Vissa föräldrar tycker att det är okej. Andra inte. Plattformen ger dig inget sätt att välja.

Och så finns det svårare lagret: skällsord. Den sort som till synes har ”pensionerats” men som regelbundet dyker upp i röstchatten i spel, i skämtsamlingar och i reaktionsvideor. Ord som ”retard”, ”spaz”, ”gay” använt som förolämpning och ”tranny” levererat som cool humor. Kodade varianter (”r-ordet”, ”let’s just say it rhymes with rigger”) som alla som lyssnar förstår. Ord som den utsatta gruppen har tagit tillbaka och som sedan lånas tillbaka av personer som inte är utsatta, i vardagliga sammanhang, och framställs som coola för en 9-åring.

Ett vanligt scenario: ditt barn tittar på en Fortnite- eller Roblox-streamer med några hundra tusen prenumeranter. Streamern är rolig, videorna är 15–30 minuter långa och våldet är tecknat. Men tre gånger per avsnitt, i röstchatten eller kommentarerna, används ett skällsord. Ibland av streamern, ibland av en kompis i lobbyn. Streamern klipper inte bort det. Ibland skrattar hen. Ditt barn hör det dussintals gånger under veckor av tittande. Barnet börjar använda ordet i skolan.

Kreatörerna ser inte sig själva som ett problem. Skällsordet är ”bara gamingkultur”. Pipen är att ”spela systemet”. De milda svordomarna är ”så jag pratar”. Inget av det låter skadligt inifrån studion. Utifrån, från soffan, när man hör det för femte gången den här timmen, är bilden en annan.

Därför spelar det större roll än föräldrar tror

Barn lär sig språk genom upprepad exponering långt innan de lär sig att bedöma det. En sexåring som hör ”this is so gay” användas som allmän förolämpning trettio gånger den här månaden förstår inte frasens homofobiska historia. Barnet tolkar det som ”gay = dåligt”, och den kopplingen fastnar. Barnspråksforskningen har varit tydlig med detta i årtionden: exponering formar ordförrådet, ordförrådet formar attityder, attityder formar beteende. Plattformen har inget att förlora här; det har du.

Det finns ett andra lager som slår hårdare mot äldre barn. Inramningen som ”cool humor”. Skällsord som levereras ironiskt, som ”uppenbart ett skämt”, som ”du är för känslig”. Det är en av de främsta påfarterna till grövre innehåll. En kreatör som normaliserar ett skällsord som komik lär en 12-åring att den utsatta gruppen kan vara poängen i skämtet, att det är ett misslyckande att ta illa upp och att den som säger ifrån är ”mjuk”. Det är väldokumenterat som inkörsporten till mer öppet fientliga grupper.

Föräldrar invänder rimligen mot att milda svordomar flaggas: ”Jag säger ’fan’ hela tiden, det här är överdrivet.” Rimligt. Watchlys svar är att låta dig bestämma gränsen. Blockera grova svordomar men tillåt milda. Blockera allt. Blockera inget. Poängen är inte att plattformen ska välja en universell standard. Det är att du ska vara den som väljer, med full information om vad som faktiskt sägs.

Det svåraste fallet är språket som tekniskt sett är tillåtet. Skällsord som plattformen ännu inte har klassat som skällsord. Kodade varianter som passerar nyckelordsfilter för att de är nya. Ljud från röstchatt som aldrig transkriberas och därför aldrig granskas. Det är huvuddelen av det som slinker igenom, och det är precis där ett filter som läser transkriptioner har sin största fördel.

Därför kan YouTubes filtreringssystem inte fånga det

YouTube har två huvudsakliga sätt att moderera språk. Det första är en nyckelordslista. Videor och titlar skannas mot en uttrycklig ordlista med ”fula ord”, och träffar leder till demonetisering, åldersbegränsning eller borttagning. Det andra är automatisk analys av transkriptioner. Genererade undertexter skannas med en liknande ordlista.

Båda metoderna har samma svaghet: de letar efter kända ord. Om en kreatör använder en okänd variant, en kodad version, en stavning med asterisker eller ett skällsord som tagits tillbaka och sedan lånats ut igen, matchar inte ordlistan. Videon seglar igenom. Det är därför ”f**k” passerar filter som fångar ”fuck”. Asteriskerna gör precis vad de ska, nämligen lura en strängmatchning samtidigt som ordet förblir fullt läsbart för varje mänsklig läsare.

Transkriptionslagret läcker ännu mer. YouTubes automatiskt genererade undertexter är inte gjorda för att vara korrekta när det gäller svordomar. De transkriberar rutinmässigt svordomar som nonsens eller utelämnar dem helt. Så en video där en kreatör säger ”fuck” tjugo gånger kan ha ett automatiskt undertextspår där ordet förekommer noll gånger. Varje modereringssystem som läser den transkriptionen ser en ren video. Den som lyssnar på ljudet, ditt barn, hör något annat.

Skällsord är ett specialfall. YouTube uppdaterar sin ordlista över skällsord långsamt, och långsamheten är en del av problemet. Nya skällsord och kodade varianter sprids via Discord och TikTok snabbare än plattformen uppdaterar sitt filter. Ett skällsord som används flitigt i dag kanske inte finns i YouTubes ordlista förrän om ett halvår. Ord som den utsatta gruppen tagit tillbaka, och som sedan lånats tillbaka av personer som inte är utsatta, hamnar i ytterligare en gråzon som nyckelordslistan inte kan reda ut.

Röstchatt i gaming-streams är den enskilt största luckan. När en streamer har en mikrofon och fyra kompisar i en Fortnite-lobby är ljudet fritt fram. Ibland transkriberar plattformen det, ibland inte. När den gör det är transkriptionen ofullständig, bristfällig och full av folk som pratar i mun på varandra. Skällsord och svordomar i det ljudet hamnar ofta aldrig i en form som går att moderera. Videon ligger kvar. Barnet fortsätter titta.

Watchlys metod skiljer sig på två sätt. För det första letar vi efter varianter när det finns en transkription. Stavningar med asterisker, vanliga pipmönster och kodade skällsord från en ordlista som uppdateras varje vecka i stället för varje kvartal. För det andra, när den enda signalen är sammanhanget runt omkring (en kreatör som pausade exakt där en svordom skulle ha kommit och sedan skrattade), flaggar vi för granskning i stället för att släppa igenom automatiskt. Du ser ögonblicket, tidsstämpeln och citatet runt omkring. Du bestämmer.

Det är inte perfekt. Oredigerad röstchatt i realtid utan undertexter är fortfarande det svåra fallet för alla transkriptionsbaserade system, och det är vi ärliga med. Men den vardagliga luckan, det bortpipade, det asteriskerade, det återtagna, det kodade, det nya, krymper betydligt när filtret är byggt för hur barn faktiskt avkodar språk, inte för hur en nyckelordslista låtsas att de gör.