Onderzoekers van de Universitat Politècnica de València (UPV) beschreven een aanpak die tekst en beeld in TikTok-video’s combineert met reacties van kijkers: oogbewegingen, EEG-signalen en hartslag. Het systeem is bedoeld om seksisme te herkennen dat via humor, ironie of stereotypen minder direct naar voren komt. De videostudie en het aparte memeonderzoek leveren verschillende resultaten op; de veelgenoemde 26,3% hoort bij een specifieke F1-score voor memes. RUVID en Actualidad Valencia berichtten over het video- en memeonderzoek.

Welke signalen het systeem combineert

De aanpak voegt fysiologische reacties van kijkers toe aan tekst- en beeldanalyse. In de videostudie bekeken tien deelnemers ongeveer 2.500 Spaanstalige en Engelstalige TikTok-video’s uit EXIST-datasets. Onderzoekers registreerden hun oogbewegingen, hersenactiviteit met elektro-encefalografie (EEG) en hartslag. RUVID beschreef langere reactietijden, meer oogfixaties, veranderingen in oogbewegingen en knipperen en grotere hartslagfluctuaties bij seksistisch materiaal.

Dat soort signalen kan aanvullende informatie geven wanneer de betekenis van een video afhangt van context. Een grap, ironische opmerking of stereotype is niet altijd aan losse woorden te herkennen; ook de bedoeling en de manier waarop beeld en tekst samengaan, spelen mee.

Wat de gerapporteerde videopercentages zeggen

Volgens de berichtgeving van RUVID verbeterde de toevoeging van fysiologische reacties de detectie van de vraag of een video seksistisch was met ongeveer 4%, vergeleken met een systeem dat alleen tekst en beeld analyseerde. Voor sommige classificatietaken, zoals het onderscheiden van vormen van seksisme, bedroeg de gerapporteerde verbetering meer dan 6%. De artikelen noemen deze cijfers als verbeteringen, maar de videostudieresultaten krijgen daarin geen nader omschreven meetmaat.

Wat de 26,3% in het memeonderzoek meet

De 26,3% komt uit een afzonderlijk onderzoek naar memes, gepubliceerd als preprint op 27 februari 2026. Het is een relatieve stijging van de F1-score voor de categorie “Misogyny and Non-Sexual Violence”: van 0,259 naar 0,327. De F1-score combineert precisie en volledigheid in één maat. De resultaten zijn gebaseerd op vijfvoudige kruisvalidatie op het trainingsdeel van EXIST 2025. Het preprint omvatte 3.984 memes: 1.979 Spaanstalige en 2.005 Engelstalige.

Voor de binaire detectie van seksisme rapporteert het preprint een AUC-score van 0,794 en een relatieve verbetering van 3,4% ten opzichte van een sterke baseline die alleen inhoud gebruikte. Bij het herkennen van de intentie achter een meme steeg de AUC van 0,628 naar 0,655. Dat zijn uitkomsten van de meme-evaluatie; ze beschrijven niet de prestaties van de afzonderlijke TikTok-videostudie.

Wat het preprint over de beperkingen meldt

In het memeonderzoek hadden hartslagkenmerken geen statistisch significant effect. De auteurs opperen dat korte, stilstaande memes mogelijk onvoldoende autonome activatie opriepen. Ook controleerden zij de visuele en tekstuele complexiteit van de memes niet en wijzen ze op subjectiviteit in de labels. De onderzoekers noemen daarnaast het beperkte aantal deelnemers: zestien mensen namen deel aan de twee experimenten.