論文の概要: All you can stream: Investigating the role of user behavior for greenhouse gas intensity of video streaming

• arxiv url: http://arxiv.org/abs/2006.11129v1
• Date: Fri, 19 Jun 2020 13:38:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-13 11:22:33.077430
• Title: All you can stream: Investigating the role of user behavior for greenhouse gas intensity of video streaming
• Title（参考訳）: all you can stream:ビデオストリーミングの温室効果ガス強度に対するユーザー行動の役割を調査
• Authors: Paul Suski, Johanna Pohl and Vivian Frick
• Abstract要約: ライフサイクルアセスメント(LCA)は、単なる技術からユーザー決定や行動を含むものまで、その視点を広げる必要がある。 ユーザの行動に関する定量的データ(例えば、ストリーミング時間、エンドデバイスの選択、解像度)は、LCAに組み込むのが困難または困難であることが多い。 本研究はLCAとオンライン調査(N=91, 7日連続評価)を組み合わせたものである。 以上の結果から,ビデオストリーミングのCO2強度は,いくつかの要因に依存していることが明らかとなった。気候強度については,スマートTVとスマートフォンをビデオストリーミングに選択する10因子が存在することが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The information and communication technology sector reportedly has a relevant impact on the environment. Within this sector, video streaming has been identified as a major driver of CO2-emissions. To make streaming more sustainable, environmentally relevant factors must be identified on both the user and the provider side. Hence, environmental assessments, like life cycle assessments (LCA), need to broaden their perspective from a mere technological to one that includes user decisions and behavior. However, quantitative data on user behavior (e.g. streaming duration, choice of end device and resolution) are often lacking or difficult to integrate in LCA. Additionally, identifying relevant determinants of user behavior, such as the design of streaming platforms or user motivations, may help to design streaming services that keep environmental impact at a passable level. In order to carry out assessments in such a way, interdisciplinary collaboration is necessary. Therefore, this exploratory study combined LCA with an online survey (N= 91, 7 consecutive days of assessment). Based on this dataset the use phase of online video streaming was modeled. Additionally, factors such as sociodemographic, motivational and contextual determinants were measured. Results show that CO2-intensity of video streaming depends on several factors. It is shown that for climate intensity there is a factor 10 between choosing a smart TV and smartphone for video streaming. Furthermore, results show that some factors can be tackled from provider side to reduce overall energy demand at the user side; one of which is setting a low resolution as default.
• Abstract（参考訳）: 情報通信技術部門は環境に影響を及ぼしていると伝えられている。 この分野では、ビデオストリーミングはCO2排出の主要な要因と認識されている。 ストリーミングをより持続可能なものにするためには、ユーザ側とプロバイダ側の両方で、環境的な要因を識別する必要がある。 したがって、ライフサイクルアセスメント(LCA)のような環境アセスメントは、単なる技術からユーザー決定や行動を含むものへとその視点を広げる必要がある。 しかし、ユーザ行動に関する定量的データ(ストリーミング時間、エンドデバイスの選択、解像度など)は、LCAに組み込むのが困難である場合が多い。 さらに、ストリーミングプラットフォームの設計やユーザのモチベーションといった、ユーザの行動に関する関連する決定要因を特定することは、環境への影響をパス可能なレベルに維持するストリーミングサービスの設計に役立ちます。 このような評価を行うためには,学際的な連携が必要である。 そこで,本調査ではLCAとオンライン調査(N=91,7日間連続評価)を併用した。 このデータセットに基づいて、オンラインビデオストリーミングの利用フェーズをモデル化した。 さらに, 社会デマトグラフィー, モチベーション, 文脈決定因子などの因子を測定した。 その結果,ビデオストリーミングのCO2強度はいくつかの要因に依存することがわかった。 気候の強さについては、スマートTVとスマートフォンをビデオストリーミングに選択する10の要因があることが示されている。 さらに,ユーザ側の総エネルギー需要を低減するために,プロバイダ側からいくつかの要因に取り組むことが可能であり,その1つは,解像度の低さを既定値として設定することである。

関連論文リスト

• Estimation of Psychosocial Work Environment Exposures Through Video Object Detection. Proof of Concept Using CCTV Footage [0.6632353937719806]
  本稿では,コンピュータビジョンアルゴリズムを用いて,CCTV映像を用いた心理社会的作業環境の側面を推定する。 本稿では,映像中の人物を検出し,追跡する手法の実証について述べる。 顧客と従業員のインタラクションを,ポーズを推定し,出会いの時間を計算することで推定する。
  論文  参考訳（メタデータ） (2024-11-06T07:43:40Z)
• Satellite Streaming Video QoE Prediction: A Real-World Subjective Database and Network-Level Prediction Models [59.061552498630874]
  LIVE-Viasat Real-World Satellite QoE Databaseを紹介する。 このデータベースは、現実世界のストリーミングサービスから記録された179のビデオで構成されている。 本稿では,QoE予測モデルの有効性を評価することで,この新たな資源の有用性を実証する。 また、ネットワークパラメータを予測された人間の知覚スコアにマッピングする新しいモデルを作成しました。
  論文  参考訳（メタデータ） (2024-10-17T18:22:50Z)
• Counteracting Duration Bias in Video Recommendation via Counterfactual Watch Time [63.844468159126826]
  視聴時間の予測は時間のバイアスに悩まされ、ユーザーの興味を正確に反映する能力を妨げる。 対実時計モデル (CWM) が提案され、CWTはユーザーがビデオレコメンデーションシステムから最大限の利益を得る時間に等しいことを示した。
  論文  参考訳（メタデータ） (2024-06-12T06:55:35Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Assessing VoD pressure on network power consumption [0.0]
  ネットワークインフラにおけるビデオストリーミングの効果を評価するための新しい手法を提案する。 私たちの方法論の中核は、単純化されたネットワークとコンテンツ配信ネットワーク(CDN)インフラストラクチャのパラメトリックモデルです。 以上の結果から,従来の効率指標は,インターネット利用の電力消費の増加を反映していないことが明らかとなった。
  論文  参考訳（メタデータ） (2023-04-06T15:34:14Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• EgoTaskQA: Understanding Human Tasks in Egocentric Videos [89.9573084127155]
  EgoTaskQAベンチマークは、現実世界のエゴセントリックなビデオに対する質問回答を通じて、タスク理解の重要な次元を提供する。 我々は,(1)行動依存と効果,(2)意図と目標,(3)エージェントの他者に対する信念の理解を念頭に設計する。 我々は、我々のベンチマークで最先端のビデオ推論モデルを評価し、複雑なゴール指向のエゴセントリックなビデオを理解する上で、人間の間に大きなギャップがあることを示します。
  論文  参考訳（メタデータ） (2022-10-08T05:49:05Z)
• DigitalExposome: Quantifying the Urban Environment Influence on Wellbeing based on Real-Time Multi-Sensor Fusion and Deep Belief Network [4.340040784481499]
  我々は,「DigitalExposome」という用語を,環境,個人特性,行動,幸福感の関係を理解するための概念的枠組みとして定義する。 都市環境要因を含むマルチセンサデータを(初めて)同時に収集しました。
  論文  参考訳（メタデータ） (2021-01-29T14:55:19Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• Project RISE: Recognizing Industrial Smoke Emissions [11.113345640040277]
  産業煙発生の認識のための,最初の大規模ビデオデータセットRISEを紹介する。 われわれのデータセットには、19の異なるビューから12,567のクリップが含まれており、3つの産業施設を監視している。 ディープニューラルネットワークを用いて、強力なパフォーマンスベースラインを確立し、喫煙認識の課題を明らかにする実験を行った。
  論文  参考訳（メタデータ） (2020-05-13T01:51:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。