論文の概要: Yourfeed: Towards open science and interoperable systems for social
media
- arxiv url: http://arxiv.org/abs/2207.07478v1
- Date: Fri, 15 Jul 2022 13:49:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:52:33.681650
- Title: Yourfeed: Towards open science and interoperable systems for social
media
- Title(参考訳): Yourfeed:ソーシャルメディアのためのオープンサイエンスと相互運用システムを目指して
- Authors: Ziv Epstein and Hause Lin
- Abstract要約: 既存のソーシャルメディアプラットフォームは、研究者がソーシャルメディアで研究を行うことを非常に困難にしている。
このギャップを埋めるため、生態学的に有効なソーシャルメディア研究を行うための研究ツールであるYourfeedを紹介した。
- 参考スコア(独自算出の注目度): 1.8623205938004257
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing social media platforms (SMPs) make it incredibly difficult for
researchers to conduct studies on social media, which in turn has created a
knowledge gap between academia and industry about the effects of platform
design on user behavior. To close the gap, we introduce Yourfeed, a research
tool for conducting ecologically valid social media research. We introduce the
platform architecture, as well key opportunities such as assessing the effects
of exposure of content on downstream beliefs and attitudes, measuring
attentional exposure via dwell time, and evaluating heterogeneous newsfeed
algorithms. We discuss the underlying philosophy of interoperability for social
media and future developments for the platform.
- Abstract(参考訳): 既存のソーシャルメディアプラットフォーム(smp)は、研究者がソーシャルメディアの研究を行うのを信じられないほど困難にしている。
このギャップを埋めるために,環境に有効なソーシャルメディア研究を行うための研究ツールであるyoufeedを紹介する。
本稿では,プラットフォームアーキテクチャを紹介するとともに,コンテンツの露出が下流の信念や態度に及ぼす影響の評価,居住時間による注意的露出の測定,ヘテロジニアスニュースフィードアルゴリズムの評価など,重要な機会を紹介する。
ソーシャルメディアの相互運用性の根底にある哲学とプラットフォームの発展について論じる。
関連論文リスト
- MIDDAG: Where Does Our News Go? Investigating Information Diffusion via
Community-Level Information Pathways [114.42360191723469]
我々は、新型コロナウイルス関連のニュース記事によって引き起こされるソーシャルメディア上の情報伝達経路を可視化する、直感的でインタラクティブなシステムMIDDAGを提案する。
我々は,ユーザ間のコミュニティを構築し,伝播予測機能を開発し,情報の普及方法の追跡と理解を可能にする。
論文 参考訳(メタデータ) (2023-10-04T02:08:11Z) - 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) - Exploring Fake News Detection with Heterogeneous Social Media Context
Graphs [4.2177790395417745]
フェイクニュースの検出は、社会全体に直接的な影響を与えるため、純粋に学術的な関心を超える研究領域となっている。
本稿では,ニュース記事を取り巻く異質なソーシャルコンテキストグラフを構築し,問題をグラフ分類タスクとして再構築することを提案する。
論文 参考訳(メタデータ) (2022-12-13T13:29:47Z) - Social-Media Activity Forecasting with Exogenous Information Signals [0.0]
ソーシャルメディアプラットフォームは、社会行動の研究と理解に理想的な環境を提供する。
本稿では,ソーシャルメディア活動のトピック特化日量を予測するモデリング手法を提案する。
論文 参考訳(メタデータ) (2021-09-22T20:24:20Z) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳(メタデータ) (2021-06-20T10:48:49Z) - Analysis of Online Toxicity Detection Using Machine Learning Approaches [6.548580592686076]
ソーシャルメディアやインターネットは、人々が情報の拡散や消費に欠かせない役割を担っている。
人口の半数近くがソーシャルメディアを使って意見や意見を表明している。
オンラインヘイトスピーチは、今やソーシャルメディアの欠点の1つであり、コントロールする必要がある。
論文 参考訳(メタデータ) (2021-04-23T04:29:13Z) - Cognitive network science for understanding online social cognitions: A
brief review [0.0]
ソーシャルメディアは、タイムラインや感情的コンテンツの観点から、大量のユーザーの認知をデジタル化している。
この研究は、認知ネットワーク科学がオンラインメディアを通じて認知を理解するための新しい定量的な方法を開く方法について概説する。
論文 参考訳(メタデータ) (2021-02-25T11:53:28Z) - Over a Decade of Social Opinion Mining [1.0152838128195467]
この体系的なレビューは、社会オピニオン鉱業の進化する研究領域に焦点を当てている。
自然言語は、人間によって表現されるように、異なる意見次元の観点で理解することができる。
今後の研究の方向性が提示される一方、さらなる研究と開発は、より広範な学術的・社会的影響を残す可能性がある。
論文 参考訳(メタデータ) (2020-12-05T17:59:59Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z) - 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) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳(メタデータ) (2020-02-05T11:10:44Z)
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。