Scritti
Costruire una vista DSA cross-platform: cosa i dati non ti dicono
La dashboard VLOP che ho pubblicato due giorni fa riunisce 30 servizi in un'unica vista. È genuinamente utile — è la prima volta che questi dati possono essere aggregati tra piattaforme in un formato interattivo, e i report H2 2025 sono i primi a seguire integralmente il modello armonizzato della Commissione. Ma i limiti sono importanti quanto i dati, e alcuni di essi sono problemi strutturali del funzionamento del reporting di trasparenza del DSA, non solo caratteristiche di questa particolare dashboard.
Le definizioni delle categorie non sono standardizzate
Il limite più significativo: ciò che TikTok chiama "Hate Speech" e ciò che Meta chiama "Hate Speech" sono definiti dalle policy di contenuto di ciascuna piattaforma, non dal DSA. Il regolamento impone alle piattaforme di riferire per categoria di contenuto, e specifica un elenco di categorie. Ma non definisce quali contenuti rientrano in ciascuna categoria — questo è lasciato alla policy della piattaforma.
Ciò significa che una piattaforma con una definizione ristretta di policy sull'incitamento all'odio mostrerà numeri più bassi rispetto a una con una definizione più ampia, anche se stanno moderando quantità equivalenti di contenuto. I confronti di volume cross-platform nella dashboard sono confronti tra categorie definite da una piattaforma e categorie definite da un'altra piattaforma, non confronti di un costrutto sottostante coerente.
Il DSA Observatory ha sostenuto a gennaio che il reporting precedente aveva reso il requisito di accuratezza sostanzialmente privo di significato. Il modello armonizzato della Commissione — che i report H2 2025 seguono per la prima volta — aggiunge indicatori di precisione (precision) e richiamo (recall) per gli strumenti di rilevamento automatizzato, e ciò affronta quella lacuna specifica. Precisione e richiamo sono genuinamente più informativi dei conteggi grezzi delle rimozioni. Ma precisione e richiamo all'interno della definizione di categoria di ciascuna piattaforma non risolvono comunque il problema della comparabilità cross-platform, perché le categorie stesse non sono definite in modo coerente.
I dati sono autodichiarati senza audit di terze parti
Ogni numero nella dashboard è autodichiarato dalla piattaforma. Al momento il DSA non richiede la verifica da parte di terzi dei dati dei report di trasparenza — nessun revisore esterno conferma che i numeri siano accurati, che la metodologia di categorizzazione sia coerente tra i periodi di reporting, o che il processo di estrazione dei dati sia affidabile.
Questo non significa che i numeri siano sbagliati. Le piattaforme hanno obblighi legali di conformità, e i report sono esaminati dai team interni Legal e Policy prima della pubblicazione. Ma significa che i dati vanno trattati come dati operativi autodichiarati: utili per comprendere tendenze e schemi all'interno di una piattaforma, meno affidabili come misura precisa di una quantità assoluta, e non verificabili rispetto a un punto di riferimento esterno.
I metodi di aggregazione differiscono
Google riferisce separatamente i suoi sei servizi designati: Search, Maps, Play, Shopping, YouTube e una sesta voce di servizio. Meta riferisce cifre aggregate per Facebook e Instagram combinati. Altre piattaforme riferiscono a livello di piattaforma.
Questo incide su come si leggono i numeri. La voce di Google per un singolo servizio appare più piccola delle cifre comparabili delle piattaforme che riferiscono in forma aggregata. Il totale delle sei voci di Google nella dashboard è la cifra comparabile alla singola voce combinata di Meta — ma la dashboard ti consente anche di confrontare per sbaglio Google Search da solo con il totale a livello di piattaforma di TikTok, il che non è un confronto significativo. Filtrare con attenzione conta.
Come usare la dashboard in modo affidabile
La dashboard è più utile per tracciare le tendenze di volume all'interno di una singola piattaforma nel tempo. È un confronto omogeneo all'interno di una metodologia e di una definizione di categoria coerenti — i numeri significano la stessa cosa tra i periodi per una data piattaforma, anche se non significano la stessa cosa dei numeri di un'altra piattaforma nella medesima categoria.
È utile anche per comprendere la forma approssimativa dell'ecosistema: quali categorie generano il maggior numero di segnalazioni tra le piattaforme, quali piattaforme stanno elaborando sostanzialmente più ricorsi di altre, come si presenta geograficamente il quadro degli ordini governativi. Sono schemi visibili a livello di differenze di ordine di grandezza, dove le divergenze nelle definizioni di categoria contano meno.
È meno utile per confronti cross-platform precisi del volume assoluto, e per trarre conclusioni normative su quali piattaforme moderino di più o meglio. Quelle conclusioni richiedono definizioni di categoria e standard di audit che nel reporting del DSA ancora non esistono. I problemi strutturali che rimangono — dati autodichiarati, definizioni di categoria incoerenti — sono vincoli reali su ciò che i dati possono supportare, e trattare i numeri come più comparabili di quanto siano produce conclusioni fuorvianti.