論文の概要: Discovery of the Content and Engagement with the Content
- arxiv url: http://arxiv.org/abs/2206.08786v1
- Date: Wed, 15 Jun 2022 21:14:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-21 09:39:48.212776
- Title: Discovery of the Content and Engagement with the Content
- Title（参考訳）: コンテンツの発見とコンテンツとの関わり
- Authors: Pushkal Agarwal, Nishanth Sastry, Edward Wood
- Abstract要約: 20世紀後半、議会は放送局にラジオの放送を許可し、最終的には特定の委員会の討論や会議のテレビ放送を許可した。
最近では、英国議会はこれらの討論や会議そのもののビデオを公開し始め、議論の詳細をツイートした。
本稿では,2年以上にわたるGoogle Analyticsデータを用いて,議会議論のビデオデータとの関わりを特徴付ける。
- 参考スコア（独自算出の注目度）: 3.4330520632549906
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the second half of the 20th century, Parliament allowed broadcasters to
transmit radio and eventually television coverage of debates and meetings of
select committees. More recently, in an effort to further improve transparency
and citizen engagement, the UK Parliament started publishing videos of these
debates and meetings itself, and tweeting details of debates as they happened.
In this paper, we attempt to characterise how people engage with video data of
Parliamentary debates by using more than two years of Google Analytics data
around these videos. We analyse the patterns of engagement - how do they land
on a particular video? How do they hear about this video, i.e., what is the
(HTTP) referrer website that led to the user clicking on the video? Once a user
lands on a video, how do they engage with it? For how long is the video played?
What is the next destination? etc. Answering these questions is an important
first step towards understanding why and how people use Parliamentary videos,
and therefore, how the video delivery platform should be adapted and
personalised for the needs of the citizens of the country. Taking inspiration
from An, Kwak, and Jansen (2017), we employ Non-Negative Matrix Factorization
(NMF) (Lee and Seung, 1999) on the video views matrix to identify different
archetypes of users, and identify archetypes. A deeper examination of the
archetypes we find reveals that they are primarily distinguished by how they
land on the video page: Search (i.e., through a search engine), Referral (i.e.,
from other Parliamentary websites), Direct (i.e., through a direct link, which
is embedded on another website), Social (i.e., through a social platform such
as Facebook or Twitter) and Others.
- Abstract（参考訳）: 20世紀後半、議会は放送局にラジオの放送を許可し、最終的には特定の委員会の討論や会議のテレビ放送を許可した。
最近では、透明性と市民の関与をさらに改善するために、英国議会はこれらの討論や会議そのもののビデオを公開し、議論の詳細をツイートし始めた。
本稿では,これらのビデオに関する2年以上にわたるGoogle Analyticsデータを用いて,議会の議論のビデオデータへの関わりを特徴付ける。
エンゲージメントのパターンを分析する - 特定のビデオにどのように着地するか?
このビデオ、つまり、ユーザが動画をクリックした原因となった(HTTP)レファラーのWebサイトは何ですか?
ユーザがビデオに着地したら、どうやってそれに取り組むのか?
そのビデオはいつまで再生されますか。
次の目的地は何ですか。
など
これらの疑問に答えることは、人々がなぜ議会ビデオを使うのかを理解するための重要な第一歩であり、それゆえ、その国の市民のニーズに対して、ビデオ配信プラットフォームをどのように適応しパーソナライズすべきかを理解するためのものである。
An, Kwak, Jansen (2017)からインスピレーションを得て、ビデオビューマトリックスにNon-Negative Matrix Factorization (NMF) (Lee and Seung, 1999) を用いて、ユーザの異なるアーキタイプを特定し、アーキタイプを特定する。
検索(検索エンジンを通じて)、Referral(他の議会のウェブサイトから)、Direct(他のウェブサイトに埋め込まれた直接リンクを通じて)、Social(FacebookやTwitterのようなソーシャルプラットフォームを介して)、その他。
関連論文リスト
- Understanding Political Communication and Political Communicators on Twitch [5.014258830659803]
本研究は3つの主要な疑問に対処することでTwitchの政治を探求する。
政治ストリーマーを特定するために、Twitch APIを活用し、機械学習のテクニックを監督し、574の政治ストリーマーを特定しました。
「政治ストリームの内容分析にトピックモデリングを用い、政治トピックの幅広いカテゴリと文脈固有の表紙を含むコミュニケーションのユニークなパターンを明らかにした。」
この研究は、新しいソーシャルメディア技術が政治コミュニケーションにどのように影響するか、特に若年層の間での理解に寄与する。
論文 参考訳（メタデータ） (2024-07-06T21:10:24Z) - Visual Political Communication in a Polarized Society: A Longitudinal
Study of Brazilian Presidential Elections on Instagram [0.3495246564946556]
本研究では、ブラジルの大統領候補19名による11,263件のInstagram投稿のデータセットで使用される視覚コミュニケーション戦略を検討することを目的とする。
祝賀画像と肯定的なトーン画像の有病率を同定した。
彼らはまた、強いパーソナライゼーションの感覚を示し、より感情的なレベルで有権者と結びついた候補者を描いている。
論文 参考訳（メタデータ） (2023-09-30T12:11:11Z) - Machine Learning enabled models for YouTube Ranking Mechanism and Views
Prediction [4.460478321893019]
提案する研究は,機械学習とAI技術を用いて,YouTubeビデオのリーチ,人気,ビューを特定・推定することを目的としている。
ランキングシステムは、トレンド動画を考慮に入れておくためにも使われる。
論文 参考訳（メタデータ） (2022-11-15T18:06:30Z) - 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) - QVHighlights: Detecting Moments and Highlights in Videos via Natural
Language Queries [89.24431389933703]
Query-based Video Highlights (QVHighlights) データセットを提示する。
これは1万本以上のYouTubeビデオで構成され、幅広いトピックをカバーしている。
データセット内の各ビデオには、(1)人書き自由形式のNLクエリ、(2)クエリに関するビデオw.r.t.の関連モーメント、(3)クエリに関連するすべてのクリップに対する5ポイントスケールのサリエンシスコアが注釈付けされている。
論文 参考訳（メタデータ） (2021-07-20T16:42:58Z) - Understanding YouTube Communities via Subscription-based Channel
Embeddings [0.0]
本稿では,YouTubeチャンネルの発見と分類を行う新しい手法を提案する。
これらの手法は、コメントの公開購読ページを活用する自己教師付き学習アプローチを使用する。
異なる政治コンテンツへのトラフィック量を分析するために、新しいデータセットを作成します。
論文 参考訳（メタデータ） (2020-10-19T22:00:04Z) - What is More Likely to Happen Next? Video-and-Language Future Event
Prediction [111.93601253692165]
対話が整ったビデオの場合、人々は次に何が起こるかを見極めることができる。
本研究では,AIモデルがこのようなマルチモーダル・コモンセンスの次世代予測を学べるかどうかを考察する。
新しいデータセットであるVideo-and-Language Event Prediction(ビデオ・アンド・ランゲージ・イベント予測)を収集します。
論文 参考訳（メタデータ） (2020-10-15T19:56:47Z) - VIOLIN: A Large-Scale Dataset for Video-and-Language Inference [103.7457132841367]
ビデオとテキストのマルチモーダル理解のための新しいタスク, Video-and-Language Inferenceを導入する。
サブタイトルを前提としたビデオクリップと、そのビデオコンテンツに基づいて自然言語仮説とをペアリングすると、モデルは、その仮説が所定のビデオクリップに関連付けられているか、矛盾しているかを推測する必要がある。
このタスクには、Violin(VIdeO-and-Language Inference)という名の新しい大規模データセットが導入された。
論文 参考訳（メタデータ） (2020-03-25T20:39:05Z) - Video2Commonsense: Generating Commonsense Descriptions to Enrich Video
Captioning [56.97139024595429]
人間のような活動的なエージェントを含むビデオでは、エージェントのアクションはシーンに無数の変化をもたらす可能性がある。
画像とは異なり、ビデオ内のアクションは、意図(なぜアクションが起こっているのか)、効果(アクションによる変化)、エージェントを記述する属性など、本質的に社会的側面と結びついている。
本稿では,ビデオから直接コモンセンスキャプションを生成し,意図,効果,属性などの潜在的な側面を説明する。
論文 参考訳（メタデータ） (2020-03-11T08:42:57Z) - Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube
Thumbnails of Popular Videos [98.87558262467257]
本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。
実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
論文 参考訳（メタデータ） (2020-01-27T20:15:57Z)
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。