論文の概要: Short Video Uprising: How #BlackLivesMatter Content on TikTok Challenges
the Protest Paradigm
- arxiv url: http://arxiv.org/abs/2206.09946v1
- Date: Mon, 20 Jun 2022 18:05:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 19:21:05.639747
- Title: Short Video Uprising: How #BlackLivesMatter Content on TikTok Challenges
the Protest Paradigm
- Title(参考訳): TikTokの#BlackLivesMatterコンテンツはいかにして抗議のパラダイムに挑戦するか
- Authors: Yanru Jiang, Xin Jin, Qinhao Deng
- Abstract要約: この研究はTikTokを使って、最近のBlack Lives Matter運動において、短いビデオプラットフォームが抗議のパラダイムにどのように挑戦するかを調べる。
コンピュータによる視覚分析(コンピュータビジョン)は、マルチメディアコンテンツにおける4つの視覚的フレーム(批判、対立、スペクタクル、討論)の存在を特定するために用いられる。
その結果、TikTokでは3つの非合法化フレームが滅多に見られず、一方、辺境化コミュニティに権限を与える議論フレームは、公共の領域を支配していることがわかった。
- 参考スコア(独自算出の注目度): 8.355120759446965
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study uses TikTok (N = 8,173) to examine how short-form video platforms
challenge the protest paradigm in the recent Black Lives Matter movement. A
computer-mediated visual analysis, computer vision, is employed to identify the
presence of four visual frames of protest (riot, confrontation, spectacle, and
debate) in multimedia content. Results of descriptive statistics and the t-test
indicate that the three delegitimizing frames - riot, confrontation, and
spectacle - are rarely found on TikTok, whereas the debate frame, that empowers
marginalized communities, dominates the public sphere. However, although the
three delegitimizing frames receive lower social media visibility, as measured
by views, likes, shares, followers, and durations, legitimizing elements, such
as the debate frame, minority identities, and unofficial sources, are not
generally favored by TikTok audiences. This study concludes that while
short-form video platforms could potentially challenge the protest paradigm on
the content creators' side, the audiences' preference as measured by social
media visibility might still be moderately associated with the protest
paradigm.
- Abstract(参考訳): この研究はTikTok (N = 8,173) を用いて、最近のBlack Lives Matter運動における抗議のパラダイムにどのように挑戦するかを調べる。
コンピュータによる視覚分析(コンピュータビジョン)は、マルチメディアコンテンツにおける4つの視覚的フレーム(批判、対立、スペクタクル、討論)の存在を特定するために用いられる。
記述的統計とt-testの結果は、暴動、対立、スペクタクルの3つの非合法化フレームがTikTokにはほとんど見られないことを示している。
しかしながら、3つの非合法化フレームはソーシャルメディアの可視性は低いが、意見、共有、フォロワー、期間によって測定されるように、議論フレーム、少数人物、非公式な情報源といった正当性のある要素は、一般的にTikTokのオーディエンスからは好まれていない。
この研究は、短い形式のビデオプラットフォームは、コンテンツクリエイター側の抗議パラダイムに挑戦する可能性があるが、ソーシャルメディアの可視性によって測定される観客の好みは、いまだに抗議パラダイムと適度に関連しているかもしれないと結論づけている。
関連論文リスト
- Television Discourse Decoded: Comprehensive Multimodal Analytics at
Scale [6.264288257854196]
我々は、インドでのプライムタイムニュース討論番組に焦点をあてて、テレビ放送された討論を分析するという複雑な課題に取り組む。
従来はテキストのみに頼っていたが、これらの議論のマルチメディアの本質をとらえるには不十分であった。
大規模マルチメディア分析に先進的なコンピュータビジョンと音声テキスト技術を用いる。
論文 参考訳(メタデータ) (2024-02-20T01:20:31Z) - Black Content Creators' Responses and Resistance Strategies on TikTok [0.0]
デジタルプラットフォームは、定期的にブラックコンテンツクリエーターを疎外し、弱体化させている。
我々は、ブラックコンテンツクリエーターに対して、アルゴリズムが特に不正なハラスメント、インタラクション、不正なターゲットをどう評価するかを評価するためにコンテンツ分析を行った。
論文 参考訳(メタデータ) (2023-12-20T02:50:51Z) - Lexical Squad@Multimodal Hate Speech Event Detection 2023: Multimodal
Hate Speech Detection using Fused Ensemble Approach [0.23020018305241333]
テキスト埋め込み画像から「ヘイトスピーチ」と「ノーヘイトスピーチ」の2つのラベルに分類し、ヘイトスピーチを検出するための新しいアンサンブル学習手法を提案する。
提案したアンサンブルモデルでは,75.21と74.96を精度,F-1スコア(参照)として有望な結果を得た。
論文 参考訳(メタデータ) (2023-09-23T12:06:05Z) - Understanding Divergent Framing of the Supreme Court Controversies:
Social Media vs. News Outlets [56.67097829383139]
我々は、米国最高裁判所の一連の判決に関して、ソーシャルメディアや伝統的なメディアのフレーミングにおける微妙な区別に焦点を当てている。
メディアが肯定的な行動や中絶の権利を扱い、学生ローンの話題はより深いコンセンサスを示す傾向にある。
論文 参考訳(メタデータ) (2023-09-18T06:40:21Z) - The Face of Populism: Examining Differences in Facial Emotional
Expressions of Political Leaders Using Machine Learning [57.70351255180495]
深層学習に基づくコンピュータビジョンのアルゴリズムを、15カ国の政治指導者を描いた220本のYouTubeビデオのサンプルに適用する。
ポピュリスト・レトリックの度合いが異なるリーダー群間での否定的感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳(メタデータ) (2023-04-19T18:32:49Z) - What are People Talking about in #BlackLivesMatter and #StopAsianHate?
Exploring and Categorizing Twitter Topics Emerging in Online Social Movements
through the Latent Dirichlet Allocation Model [27.53788299995914]
Black Lives Matter(BLM)とStop Asian Hate(SAH)は、Twitter上で拡散した2つのソーシャルムーブメントである。
本研究では、BLMとSAHのトピックを包括的に分析するために、混合メソッドアプローチを採用する。
われわれは#blacklivesmatterと#stopasianhateハッシュタグで100万以上のツイートを収集し、それらのトピックを比較した。
論文 参考訳(メタデータ) (2022-05-29T17:29:40Z) - What Truly Matters? Using Linguistic Cues for Analyzing the
#BlackLivesMatter Movement and its Counter Protests: 2013 to 2020 [31.670509436139735]
米国では、警察の残虐行為と人種的に動機付けられた事件に対処するデジタルアクティビズムが著しく増加した。
ソーシャルメディアを権威的ツールとして用いて,これら3つのメディアにおける言語的手がかりと主題的関係を調べ,分析する。
以上の結果から,人種的関連性や偏見的ハッシュタグの過剰使用は,差別傾向を示す反抗運動に有効であることが示唆された。
論文 参考訳(メタデータ) (2021-09-20T18:34:30Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳(メタデータ) (2021-06-07T19:26:32Z) - Content-based Analysis of the Cultural Differences between TikTok and
Douyin [95.32409577885645]
ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。
特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。
同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。
メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
論文 参考訳(メタデータ) (2020-11-03T01:47:49Z) - Unified Multisensory Perception: Weakly-Supervised Audio-Visual Video
Parsing [48.87278703876147]
オーディオ・ヴィジュアル・ビデオ解析と呼ばれる新しい問題は、ビデオを時間的なイベントセグメントにパースし、それらを可聴性、可視性、あるいはその両方にラベル付けすることを目指している。
本稿では,一助的・横断的時間的文脈を同時に探索するハイブリッドアテンションネットワークを提案する。
実験結果から,映像レベルが弱いラベルであっても,難易度の高い映像解析が可能であることがわかった。
論文 参考訳(メタデータ) (2020-07-21T01:53:31Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳(メタデータ) (2020-04-20T20:00:27Z)
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。