論文の概要: YouTube and Science: Models for Research Impact
- arxiv url: http://arxiv.org/abs/2209.02380v1
- Date: Thu, 1 Sep 2022 19:25:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-11 13:08:24.697213
- Title: YouTube and Science: Models for Research Impact
- Title（参考訳）: YouTubeと科学:研究への影響モデル
- Authors: Abdul Rahman Shaikh, Hamed Alhoori, Maoyuan Sun
- Abstract要約: YouTubeのビデオと、さまざまなオンラインプラットフォームに関する研究論文の言及を使って、新しいデータセットを作成しました。
統計的手法と可視化を用いてこれらのデータセットを解析し、研究論文がビデオに引用されているかどうかを予測する機械学習モデルを構築した。
以上の結果から,より多くのツイートやニュース記事に言及された研究記事は,ビデオの引用を受信する可能性が高くなった。
- 参考スコア（独自算出の注目度）: 1.237556184089774
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video communication has been rapidly increasing over the past decade, with
YouTube providing a medium where users can post, discover, share, and react to
videos. There has also been an increase in the number of videos citing research
articles, especially since it has become relatively commonplace for academic
conferences to require video submissions. However, the relationship between
research articles and YouTube videos is not clear, and the purpose of the
present paper is to address this issue. We created new datasets using YouTube
videos and mentions of research articles on various online platforms. We found
that most of the articles cited in the videos are related to medicine and
biochemistry. We analyzed these datasets through statistical techniques and
visualization, and built machine learning models to predict (1) whether a
research article is cited in videos, (2) whether a research article cited in a
video achieves a level of popularity, and (3) whether a video citing a research
article becomes popular. The best models achieved F1 scores between 80% and
94%. According to our results, research articles mentioned in more tweets and
news coverage have a higher chance of receiving video citations. We also found
that video views are important for predicting citations and increasing research
articles' popularity and public engagement with science.
- Abstract（参考訳）: YouTubeはユーザーが投稿し、発見し、共有し、ビデオに反応できるメディアを提供している。
研究論文を引用するビデオの数も増加しており、特にビデオ提出を必要とする学術会議が比較的一般的になっているためである。
しかし,研究記事とYouTubeビデオの関係は明確ではなく,本論文の目的はこの問題に対処することである。
YouTubeのビデオと、さまざまなオンラインプラットフォームに関する研究論文の言及を使って、新しいデータセットを作成しました。
ビデオで引用された記事のほとんどは、医学と生化学に関連していることがわかった。
これらのデータセットを統計的手法と可視化を用いて分析し,(1)ビデオに研究論文が引用されているか,(2)ビデオに引用された研究論文が人気レベルに達するか,(3)研究論文を引用するビデオが人気になるかを予測するために,機械学習モデルを構築した。
ベストモデルはF1得点の80%から94%を達成した。
調査結果によると、より多くのツイートやニュースで言及されている研究記事は、ビデオの引用を受ける確率が高い。
また, 引用の予測, 研究論文の人気向上, 科学への公的な関与等において, ビデオビューが重要であることも分かった。
関連論文リスト
- Scientific discourse on YouTube: Motivations for citing research in comments [0.3277163122167434]
この研究は、個人がコメントで研究論文へのリンクを投稿する理由に関する洞察を提供する。
研究リンクを共有する主な動機は,(1)トピックについてより多くの洞察を提供し,(2)他のコメンテーターが提供した挑戦的な情報を提供することである。
論文 参考訳（メタデータ） (2024-05-21T13:50:02Z) - Amplifying Academic Research through YouTube: Engagement Metrics as Predictors of Citation Impact [0.0]
本研究は、YouTubeのエンゲージメント指標とビデオ記述中の引用された出版物の学術的影響の相互作用を考察する。
Altmetric.comとYouTubeのAPIからのデータを分析することで、YouTubeのビデオ機能が引用の影響にどのように関係しているかを評価する。
論文 参考訳（メタデータ） (2024-05-21T12:43:37Z) - A Survey on Video Diffusion Models [103.03565844371711]
AI生成コンテンツ(AIGC)の最近の波は、コンピュータビジョンでかなりの成功を収めている。
その印象的な生成能力のため、拡散モデルは徐々にGANと自動回帰変換器に基づく手法に取って代わられている。
本稿では,AIGC時代の映像拡散モデルについて概観する。
論文 参考訳（メタデータ） (2023-10-16T17:59:28Z) - Video Timeline Modeling For News Story Understanding [123.03394373132353]
我々は,ビデオタイムラインモデリングという新たな問題を提示した。
我々の目的は、特定の話題に関連する一連のビデオからビデオ関連タイムラインを作成し、話されているストーリーの内容や構造を理解しやすくすることである。
この問題は、例えばニュースストーリーの要約など、様々な現実世界のアプリケーションにおいて大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-09-23T18:24:15Z) - InternVideo: General Video Foundation Models via Generative and
Discriminative Learning [52.69422763715118]
動的および複雑なビデオレベルの理解タスクのための一般的なビデオ基盤モデルであるInternVideoを提案する。
InternVideoは、事前学習対象として、マスク付きビデオモデリングとビデオ言語コントラスト学習を効率的に探索する。
InternVideoは、ビデオアクション認識/検出、ビデオ言語アライメント、オープンワールドビデオアプリケーションなど、39のビデオデータセットの最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-12-06T18:09:49Z) - 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) - Quantifying the Online Long-Term Interest in Research [0.0]
研究論文がオンライン上でいつまで言及されているかを知ることは、研究者にとって貴重な情報となるかもしれない。
利用者が学術論文を共有したり議論したりする複数のソーシャルメディアプラットフォームを分析した。
これら3つのクラスタのそれぞれのオンラインソーシャルメディアメトリクスを使用して、研究論文における長期的なオンライン関心を予測するために、機械学習モデルを構築しました。
論文 参考訳（メタデータ） (2022-09-13T16:57:44Z) - Can We Automate Scientific Reviewing? [89.50052670307434]
我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。
我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。
総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
論文 参考訳（メタデータ） (2021-01-30T07:16:53Z) - 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) - 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。