論文の概要: #TulsaFlop: A Case Study of Algorithmically-Influenced Collective Action on TikTok

• arxiv url: http://arxiv.org/abs/2012.07716v1
• Date: Mon, 14 Dec 2020 17:09:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-20 21:13:49.664260
• Title: #TulsaFlop: A Case Study of Algorithmically-Influenced Collective Action on TikTok
• Title（参考訳）: #TulsaFlop:TikTokにおけるアルゴリズムによる集団行動のケーススタディ
• Authors: Jack Bandy, Nicholas Diakopoulos
• Abstract要約: この研究は、TikTokの人気の高まりと社会政治的な意味合いの高まりに触発され、TikTokの推奨アルゴリズムがコール・ツー・アクション・ビデオの増幅に果たす役割を探求している。 我々は600人以上のTikTokユーザーからのコール・ツー・アクション・ビデオを分析し、これらのビデオの可視性(再生回数)を、同じユーザーが公開している他のビデオと比較する。 エビデンスによると、タルサに関連するビデオは一般的により多くのプレイを受けており、場合によっては増幅は劇的である。
• 参考スコア（独自算出の注目度）: 10.495593679303031
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When a re-election rally for the U.S. president drew smaller crowds than expected in Tulsa, Oklahoma, many people attributed the low turnout to collective action organized by TikTok users. Motivated by TikTok's surge in popularity and its growing sociopolitical implications, this work explores the role of TikTok's recommender algorithm in amplifying call-to-action videos that promoted collective action against the Tulsa rally. We analyze call-to-action videos from more than 600 TikTok users and compare the visibility (i.e. play count) of these videos with other videos published by the same users. Evidence suggests that Tulsa-related videos generally received more plays, and in some cases the amplification was dramatic. For example, one user's call-to-action video was played over 2 million times, but no other video by the user exceeded 100,000 plays, and the user had fewer than 20,000 followers. Statistical modeling suggests that the increased play count is explained by increased engagement rather than any systematic amplification of call-to-action videos. We conclude by discussing the implications of recommender algorithms amplifying sociopolitical messages, and motivate several promising areas for future work.
• Abstract（参考訳）: オクラホマ州タルサで、米国の大統領再選集会が予想より小さな群衆を集めたとき、多くの人がtiktokユーザーによって組織された集団行動が投票率が低いと考えた。 この研究は、TikTokの人気の高まりと社会政治的な意味の高まりに動機付けられ、TikTokの推奨アルゴリズムがタルサ集会に対する集団行動を促進するコール・ツー・アクション・ビデオを増幅する役割を探求している。 我々は600人以上のTikTokユーザーからのコール・ツー・アクション・ビデオを分析し、これらのビデオの可視性(再生回数)を、同じユーザーが公開している他のビデオと比較する。 エビデンスによると、タルサに関連するビデオは一般的により多くのプレイを受けており、場合によっては増幅は劇的である。 例えば、あるユーザーのコール・ツー・アクションビデオは200万回以上再生されたが、ユーザーによる他のビデオは10万回以上再生され、ユーザーは2万人未満であった。 統計的モデリングは、再生回数の増加は、呼び出し対アクションビデオの体系的な増幅よりも、エンゲージメントの増加によって説明されることを示している。 最後に,社会政治的なメッセージを増幅するレコメンダアルゴリズムの意義を議論し,今後の作業に有望ないくつかの領域を動機付ける。

関連論文リスト

• Detecting Suspicious Commenter Mob Behaviors on YouTube Using Graph2Vec [1.1371889042789218]
  本稿では,YouTubeチャンネル間の不審なコメントモブ様の挙動を検出するための,ソーシャルネットワーク分析に基づく手法を提案する。 本手法は,このような行動のレベルに基づいてチャネルを特徴付けることを目的としており,それらにまたがるコモンパターンを同定する。 分析の結果,疑わしいコメント者の行動の頻度に光を当てた。
  論文  参考訳（メタデータ） (2023-11-09T23:49:29Z)
• Towards Active Learning for Action Spotting in Association Football Videos [59.84375958757395]
  フットボールビデオの分析は困難であり、微妙で多様な時間的パターンを特定する必要がある。 現在のアルゴリズムは、限られた注釈付きデータから学ぶ際に大きな課題に直面している。 次にアノテートすべき最も情報に富んだビデオサンプルを選択する能動的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-09T11:50:41Z)
• Analyzing User Engagement with TikTok's Short Format Video Recommendations using Data Donations [31.764672446151412]
  データ提供システムを通じて収集したデータを用いて、TikTok上のユーザエンゲージメントを分析する。 利用者の注意力は45%程度で安定しているのに対し,平均日使用時間は1日平均で1日当たり1時間以上上昇していることがわかった。 また、フォローしていない人よりもフォローしている人がアップロードしたビデオの方が多いこともわかりました。
  論文  参考訳（メタデータ） (2023-01-12T11:34:45Z)
• Video Manipulations Beyond Faces: A Dataset with Human-Machine Analysis [60.13902294276283]
  我々は826の動画(413のリアルと413の操作)からなるデータセットであるVideoShamを提示する。 既存のディープフェイクデータセットの多くは、2種類の顔操作にのみ焦点をあてている。 我々の分析によると、最先端の操作検出アルゴリズムはいくつかの特定の攻撃に対してのみ有効であり、VideoShamではうまくスケールしない。
  論文  参考訳（メタデータ） (2022-07-26T17:39:04Z)
• An Empirical Investigation of Personalization Factors on TikTok [77.34726150561087]
  TikTokのアルゴリズムがプラットフォームの成功とコンテンツの配布に重要であるにもかかわらず、アルゴリズムの実証的な分析はほとんど行われていない。 我々は,私たちが開発したカスタムアルゴリズムを用いたソック・パペット・監査手法を用いて,TikTokへのアクセスに使用される言語と位置情報の効果を検証,分析した。 その結果,フォローフェールが最も強い影響を受けており,ライクフェールやビデオ視聴率が高いことが判明した。
  論文  参考訳（メタデータ） (2022-01-28T17:40:00Z)
• Will You Dance To The Challenge? Predicting User Participation of TikTok Challenges [2.2850019869312432]
  本稿では、ユーザの参加を予測することによって、TikTok課題の社会的伝染を調査する。 本稿では,過去のビデオから潜在ユーザと課題表現を学習し,組み合わせるための新しいディープラーニングモデルであるDeepChallengerを提案する。
  論文  参考訳（メタデータ） (2021-12-26T14:24:28Z)
• Slapping Cats, Bopping Heads, and Oreo Shakes: Understanding Indicators of Virality in TikTok Short Videos [11.089339341624996]
  我々は、TikTokに投稿された短いビデオの要素がバイラル性に与える影響について研究する。 我々の研究は、非ウイルスのTikTokビデオとウイルスを区別する特徴を強調している。
  論文  参考訳（メタデータ） (2021-11-03T18:17:16Z)
• Semi-Supervised Action Recognition with Temporal Contrastive Learning [50.08957096801457]
  2つの異なる速度でラベル付きビデオを用いて2経路の時間的コントラストモデルを学習する。 我々は最先端の半教師付き画像認識手法の映像拡張性能を著しく向上させた。
  論文  参考訳（メタデータ） (2021-02-04T17:28:35Z)
• VideoMix: Rethinking Data Augmentation for Video Classification [29.923635550986997]
  最新のビデオアクション分類器は、しばしばオーバーフィットに苦しむ。 オーバーフィッティング問題に対処するための最近のデータ拡張戦略が報告されている。 VideoMixは、モデルがオブジェクトやシーンのバイアスを越えて学習し、アクション認識のためのより堅牢な手がかりを抽出する。
  論文  参考訳（メタデータ） (2020-12-07T05:40:33Z)
• Enhancing Unsupervised Video Representation Learning by Decoupling the Scene and the Motion [86.56202610716504]
  アクションカテゴリは、アクションが発生するシーンと非常に関連しているため、モデルが、シーン情報のみを符号化したソリューションに分解する傾向がある。 本稿では,シーンと動き(DSM)を2つの簡単な操作で分離し,動き情報に対するモデル注意がより高いようにすることを提案する。
  論文  参考訳（メタデータ） (2020-09-12T09:54:11Z)
• Learning Person Re-identification Models from Videos with Weak Supervision [53.53606308822736]
  本稿では、監督の弱いビデオから人物再識別モデルを学ぶ問題について紹介する。 このようなビデオレベルラベルを用いた人物再識別のための多段階注意学習フレームワークを提案する。 注意重みは、ビデオ中の人物追跡レットではなく、すべての人物画像に基づいて得られるため、学習したモデルはノイズの多いアノテーションの影響を受けにくくなる。
  論文  参考訳（メタデータ） (2020-07-21T07:23:32Z)

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。