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
- What we can learn from TikTok through its Research API [3.848947060636351]
最近リリースされた無料のResearch APIは、投稿されたビデオ、関連コメント、ユーザーアクティビティのデータを収集するためのドアを開く。
本研究は,TikTokビデオのランダムなサンプルを6年間にわたって収集し,分析することにより,Research APIが返す結果の信頼性を評価することに焦点を当てた。
論文 参考訳(メタデータ) (2024-02-21T14:59:49Z) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳(メタデータ) (2023-04-06T05:20:16Z) - Likes and Fragments: Examining Perceptions of Time Spent on TikTok [24.079009867311637]
この研究は、TikTokというユースタイムの文脈で新しいソーシャルメディアプラットフォームを探求するための先行研究に基づいている。
我々は、ユーザの人口統計とプラットフォームエンゲージメントが、プラットフォームに費やす時間とその推定精度に対する認識にどのように影響するかを理解するために、ユーザの自己申告およびサーバログによるTikTok使用状況のプラットフォームに依存しない測定を行います。
論文 参考訳(メタデータ) (2023-03-03T16:06:22Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳(メタデータ) (2022-08-10T03:41:48Z) - Having your Privacy Cake and Eating it Too: Platform-supported Auditing
of Social Media Algorithms for Public Interest [70.02478301291264]
ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。
これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。
本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
論文 参考訳(メタデータ) (2022-07-18T17:32:35Z) - 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) - Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。
近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。
知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
論文 参考訳(メタデータ) (2021-10-27T12:19:56Z) - Learning User Embeddings from Temporal Social Media Data: A Survey [15.324014759254915]
我々は,簡潔な潜在ユーザ表現(a.k.a.)を学習する代表的作業について調査する。
ユーザー埋め込み)は、ソーシャルメディアユーザーの主な特徴を捉えることができる。
学習されたユーザー埋め込みは、その後、パーソナリティモデリング、自殺リスクアセスメント、購買判断予測など、さまざまな下流のユーザー分析タスクをサポートするために使用できます。
論文 参考訳(メタデータ) (2021-05-17T16:22:43Z) - Explainable Patterns: Going from Findings to Insights to Support Data
Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。
ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文 参考訳(メタデータ) (2021-01-19T16:13:44Z) - The Pushshift Telegram Dataset [1.7109522466982476]
モバイルメッセージングプラットフォームであるTelegramからデータセットを提示する。
私たちのデータセットは27.8Kのチャネルと220万のユニークなユーザからの317万のメッセージで構成されています。
論文 参考訳(メタデータ) (2020-01-23T10:37:33Z)
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。