論文の概要: Leveraging Rights of Data Subjects for Social Media Analysis: Studying TikTok via Data Donations

• arxiv url: http://arxiv.org/abs/2301.04945v1
• Date: Thu, 12 Jan 2023 11:34:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 13:35:37.158283
• Title: Leveraging Rights of Data Subjects for Social Media Analysis: Studying TikTok via Data Donations
• Title（参考訳）: ソーシャルメディア分析におけるデータ主体の権利の活用--データ提供によるTikTokの研究
• Authors: Savvas Zannettou, Olivia-Nemes Nemeth, Oshrat Ayalon, Angelica Goetzen, Krishna P. Gummadi, Elissa M. Redmiles, Franziska Roesner
• Abstract要約: 我々はTikTokデータ収集のためのデータ提供システムを実装した。 TikTokのユーザを347名採用し、TikTokからデータを要求する。 我々は、人々がTikTokでコンテンツをどのように消費するか、TikTokでどれだけ愛好行動が一般的か、そして参加者の人口構成に重大な違いがあるかどうかを分析する。
• 参考スコア（独自算出の注目度）: 28.72417394192159
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: TikTok is a relatively novel and widely popular media platform. In response to its expanding user base and cultural impact, researchers are turning to study the platform; however, TikTok, like many social media platforms, restricts external access to data. Prior works have acquired data from scraping the platform, user self-reports, and from accounts created by researchers for the study's purpose. Existing techniques, while yielding important insights, contain limitations for gathering large-scale quantitative insights on how real TikTok users behave on the platform. We bridge this research gap by implementing a data donation system to collect TikTok data. Our system leverages users' right to access their data enabled by the EU's GDPR regulation. We recruit 347 TikTok users, ask them to request their data from TikTok, and then use our system to customize, anonymize, and donate their data. We collect 4.9M videos viewed 9.2M times by our participants -- and associated engagement metrics -- to analyze how people consume content on TikTok, how prevalent liking behavior is on TikTok, and whether there are substantial differences across our participants' demographics. We conclude our work by discussing the lessons learned and future avenues for implementing data donation systems, which we believe offer a promising avenue for collecting user behavioral traces to understand social phenomena through the lens of the Web.
• Abstract（参考訳）: TikTokは比較的新しく広く使われているメディアプラットフォームだ。 しかし、多くのソーシャルメディアプラットフォームと同様に、TikTokはデータへの外部アクセスを制限している。 以前の研究は、プラットフォーム、ユーザーによる自己報告、研究目的のために研究者が作成したアカウントからデータを取得している。 既存の技術は重要な洞察を与えるが、tiktokユーザーがプラットフォーム上でどのように振る舞うかに関する大規模な定量的洞察を集めるための制限を含んでいる。 我々は、TikTokデータ収集のためのデータ提供システムを実装することで、この研究ギャップを埋める。 当社のシステムは,EUのGDPR規制によって実現されたデータへのアクセス権を活用している。 我々は347人のTikTokユーザーを雇い、TikTokからデータを要求し、そのデータをカスタマイズ、匿名化、寄付するために私たちのシステムを使用します。 参加者が920万回見た490万の動画と関連するエンゲージメント指標を収集し、tiktokでのコンテンツの消費方法、tiktokでの嗜好行動の傾向、参加者の人口統計にかなりの違いがあるかどうかを分析しました。 我々は、Webのレンズを通して社会現象を理解するために、ユーザの行動トレースを収集するための有望な道を提供すると信じているデータ提供システムの実装の教訓と今後の道について論じることによって、研究を締めくくっている。

関連論文リスト

• A Hybrid Filtering for Micro-video Hashtag Recommendation using Graph-based Deep Neural Network [0.3573481101204926]
  マイクロビデオのハッシュタグを推奨するMIcro- video hashtag recommendation MISHON手法を提案する。 ハッシュタグはユーザのトピック的関心を反映しているため,過去のタグ付け行動に基づいてユーザ関連性をモデル化する。 また,冷戦開始ユーザと影響力のあるユーザとの関係をモデル化するための,コンテンツと社会的影響に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-10-14T10:46:32Z)
• Delving Deep into Engagement Prediction of Short Videos [34.38399476375175]
  本研究は,ユーザインタラクションが限定されたビデオのエンゲージメント予測の難しさを深く掘り下げるものである。 Snapchatの90,000の現実世界のショートビデオからなる、実質的なデータセットを紹介します。 本手法は,映像コンテンツから映像のエンゲージメントを純粋に予測できることを示す。
  論文  参考訳（メタデータ） (2024-09-30T23:57:07Z)
• Beyond Relevance: Improving User Engagement by Personalization for Short-Video Search [16.491313774639007]
  我々は,ショートビデオ検索をパーソナライズするための新鮮で包括的なソリューションである$textPR2$を紹介した。 具体的には、$textPR2$はクエリ関連コラボレーティブフィルタリングとパーソナライズされた高密度検索を利用する。 私たちは近年,ユーザエンゲージメントの改善を最も目覚ましいものにしています。
  論文  参考訳（メタデータ） (2024-09-17T15:37:51Z)
• Counteracting Duration Bias in Video Recommendation via Counterfactual Watch Time [63.844468159126826]
  視聴時間の予測は時間のバイアスに悩まされ、ユーザーの興味を正確に反映する能力を妨げる。 対実時計モデル (CWM) が提案され、CWTはユーザーがビデオレコメンデーションシステムから最大限の利益を得る時間に等しいことを示した。
  論文  参考訳（メタデータ） (2024-06-12T06:55:35Z)
• Viblio: Introducing Credibility Signals and Citations to Video-Sharing Platforms [8.832571289776256]
  Viblioは、YouTubeユーザーが参加者のニーズに基づいてビデオを見ながら、引用を閲覧、追加できるプロトタイプシステムである。 12人の被験者による評価から、ビブリオはビデオの信頼性を評価する過程において直感的で有用であることが判明した。
  論文  参考訳（メタデータ） (2024-02-27T05:21:39Z)
• User Strategization and Trustworthy Algorithms [81.82279667028423]
  ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。 そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
  論文  参考訳（メタデータ） (2023-12-29T16:09:42Z)
• Personalizing Intervened Network for Long-tailed Sequential User Behavior Modeling [66.02953670238647]
  タイルユーザーは、共同トレーニング後のヘッドユーザーよりも大幅に品質の低いレコメンデーションに悩まされる。 テールユーザーで個別に訓練されたモデルは、限られたデータのために依然として劣った結果が得られる。 本稿では,テールユーザの推薦性能を大幅に向上させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-08-19T02:50:19Z)
• 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)
• 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)

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。