論文の概要: Likes and Fragments: Examining Perceptions of Time Spent on TikTok

• arxiv url: http://arxiv.org/abs/2303.02041v2
• Date: Mon, 26 Feb 2024 21:47:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-29 00:53:45.848895
• Title: Likes and Fragments: Examining Perceptions of Time Spent on TikTok
• Title（参考訳）: お気に入りとフラグメント: TikTok上での時間の知覚
• Authors: Angelica Goetzen, Ruizhe Wang, Elissa M. Redmiles, Savvas Zannettou, Oshrat Ayalon
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 24.079009867311637
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Researchers use information about the amount of time people spend on digital media for numerous purposes. While social media platforms commonly do not allow external access to measure the use time directly, a usual alternative method is to use participants' self-estimation. However, doubts were raised about the self-estimation's accuracy, posing questions regarding the cognitive factors that underline people's perceptions of the time they spend on social media. In this work, we build on prior studies and explore a novel social media platform in the context of use time: TikTok. We conduct platform-independent measurements of people's self-reported and server-logged TikTok usage (n=255) to understand how users' demographics and platform engagement influence their perceptions of the time they spend on the platform and their estimation accuracy. Our work adds to the body of work seeking to understand time estimations in different digital contexts and identifies new influential engagement factors.
• Abstract（参考訳）: 研究者は、人々がデジタルメディアに費やす時間に関する情報を様々な目的で使っている。 ソーシャルメディアプラットフォームは、通常、外部アクセスによる使用時間を直接測定することができないが、通常の代替方法は、参加者の自己評価を使用することである。 しかし、自己評価の正確性に疑問が持ち上がり、ソーシャルメディアに費やす時間に対する人々の認識の基礎となる認知的要因に関する疑問を提起した。 本研究では,先行研究を基盤として,使用時間という文脈で新たなソーシャルメディアプラットフォームを探求する。 プラットフォームに依存しないTikTok使用率(n=255)の測定を行い、ユーザの人口統計やプラットフォームへのエンゲージメントが、プラットフォームに費やす時間と推定精度にどのように影響するかを理解する。 私たちの作業は、さまざまなデジタルコンテキストにおける時間推定を理解し、新たな影響力のある関与要因を特定しようとする作業の本体に追加します。

関連論文リスト

• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• A Temporal Psycholinguistics Approach to Identity Resolution of Social Media Users [1.8130068086063336]
  本稿では,ソーシャルメディア上での投稿の話題,感情,タイミングを用いて,ソーシャルメディアプラットフォーム全体のアイデンティティ解決手法を提案する。 DisqusとTwitterから5000のプロフィールの公開投稿を収集した後、その投稿を分析し、2つのプラットフォームにわたるプロフィールにマッチさせる。
  論文  参考訳（メタデータ） (2024-07-29T13:00:36Z)
• Leveraging Twitter Data for Sentiment Analysis of Transit User Feedback: An NLP Framework [1.2499537119440245]
  トランジットサーベイを通じてユーザフィードバックを収集する従来の方法は、しばしば時間がかかり、リソースが集中し、コストがかかる。 我々は,Twitterのようなソーシャルメディアプラットフォームで利用可能な膨大な,豊富な,安価なデータを活用する,新しいNLPベースのフレームワークを提案する。 提案フレームワークは,ユーザフィードバックの収集と分析を,コストと時間を要するユーザフィードバック調査を必要とせずに効率化する。
  論文  参考訳（メタデータ） (2023-10-11T00:01:05Z)
• Quantifying attention via dwell time and engagement in a social media browsing environment [3.3838746889748625]
  本稿では,エンゲージメントと居住を混乱させるソーシャルメディア環境に対する2段階の注意モデルを提案する。 オンライン実験では、これらの2つの段階において注意が異なることを示し、解離の明確な証拠を見出す。 これらの発見は、人間の注意を計測しモデル化する計算システムの設計と開発に影響を及ぼす。
  論文  参考訳（メタデータ） (2022-09-21T16:06:44Z)
• Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
  誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。 偏光と誤情報付着が密接な関係にあると仮定する。
  論文  参考訳（メタデータ） (2022-06-30T12:34:24Z)
• 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)
• SOK: Seeing and Believing: Evaluating the Trustworthiness of Twitter Users [4.609388510200741]
  現在、どのニュースやユーザーが信頼できるか、どれがそうでないかを自動で判断する方法はない。 本研究では、Twitter上で5万人の政治家の行動を分析するモデルを作成しました。 政治Twitterのユーザを、ランダムな森林、多層パーセプトロン、サポートベクターマシンを使って、信頼あるいは信頼できないと分類した。
  論文  参考訳（メタデータ） (2021-07-16T17:39:32Z)
• 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)
• 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)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)
• 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。