論文の概要: Identification, Impacts, and Opportunities of Three Common Measurement
Considerations when using Digital Trace Data
- arxiv url: http://arxiv.org/abs/2310.00197v1
- Date: Sat, 30 Sep 2023 00:28:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 06:02:38.255333
- Title: Identification, Impacts, and Opportunities of Three Common Measurement
Considerations when using Digital Trace Data
- Title（参考訳）: デジタルトレースデータを用いた3つの共通計測手法の同定, 影響, 可能性
- Authors: Daniel Muise, Nilam Ram, Thomas Robinson, Byron Reeves
- Abstract要約: スクリーンミクスは、人々がモバイルデバイスと対話するときに得られる個々のスクリーンショットの粒度でメディアの使用を記録する。
1)要約の絡み合い - フォーマットへの露出によってコンテンツへの露出をプロキシすることで生じる一般的な測定誤差、(2)平ら化 - 時間情報を組み込まずにメディアインタラクションのユニークなセグメントを集約する、(3)バンドル。
- 参考スコア（独自算出の注目度）: 2.1301560294088318
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cataloguing specific URLs, posts, and applications with digital traces is the
new best practice for measuring media use and content consumption. Despite the
apparent accuracy that comes with greater granularity, however, digital traces
may introduce additional ambiguity and new errors into the measurement of media
use. In this note, we identify three new measurement challenges when using
Digital Trace Data that were recently uncovered using a new measurement
framework - Screenomics - that records media use at the granularity of
individual screenshots obtained every few seconds as people interact with
mobile devices. We label the considerations as follows: (1) entangling - the
common measurement error introduced by proxying exposure to content by exposure
to format; (2) flattening - aggregating unique segments of media interaction
without incorporating temporal information, most commonly intraindividually and
(3) bundling - summation of the durations of segments of media interaction,
indiscriminate with respect to variations across media segments.
- Abstract（参考訳）: 特定のURL、投稿、アプリケーションにデジタルトレースを加えることは、メディアの利用とコンテンツ消費を測定するための新しいベストプラクティスである。
しかし、より粒度の大きい明らかな精度にもかかわらず、デジタルトレースはメディア使用の測定に新たな曖昧さと新たなエラーをもたらす可能性がある。
本稿では,Digital Trace Dataを用いた新たな計測フレームワークであるScreenomicsを用いて,モバイル機器とのインタラクションによって得られる個々のスクリーンショットの粒度でメディア使用を記録することで,新たに3つの計測課題を明らかにした。
1) エンタングリング - フォーマットへの露出によってコンテンツへの露出をプロキシすることで生じる一般的な測定誤差、(2) フラット化 - 時間的情報を組み込まずにメディアインタラクションのユニークなセグメントを集約すること、(3) バンドル - メディアインタラクションのセグメントの期間の合計は、メディアセグメント間のばらつきに関して無差別に行われる。
関連論文リスト
- The Veracity Problem: Detecting False Information and its Propagation on Online Social Media Networks [0.0]
本研究の目的は,偽情報とその伝播を効果的に検出する手法を開発することである。
まず,偽情報の複数の側面を活用するフレームワークを提案する。
次に,ナラティブを操作するための協調作業において,アクターとその意図を識別する手法を提案する。
論文 参考訳（メタデータ） (2024-09-06T00:13:05Z) - Intertwined Biases Across Social Media Spheres: Unpacking Correlations in Media Bias Dimensions [12.588239777597847]
メディアバイアスは、ステレオタイプを強化し、社会的分裂を悪化させることによって、公共の認知を著しく形作る。
われわれは過去5年間にYouTubeとRedditから収集された新しいデータセットを紹介した。
私たちのデータセットには、幅広いバイアス次元にわたるYouTubeコンテンツの自動アノテーションが含まれています。
論文 参考訳（メタデータ） (2024-08-27T21:03:42Z) - Detecting and Grounding Multi-Modal Media Manipulation and Beyond [93.08116982163804]
マルチモーダルフェイクメディア(DGM4)の新たな研究課題について述べる。
DGM4は、マルチモーダルメディアの真正性を検出するだけでなく、操作されたコンテンツも検出することを目的としている。
本稿では,異なるモーダル間のきめ細かい相互作用を完全に捉えるために,新しい階層型マルチモーダルマニピュレーションrEasoning tRansformer(HAMMER)を提案する。
論文 参考訳（メタデータ） (2023-09-25T15:05:46Z) - Detecting and Grounding Multi-Modal Media Manipulation [32.34908534582532]
マルチモーダルフェイクメディア(DGM4)の新たな研究課題について述べる。
DGM4は、マルチモーダルメディアの真正性を検出するだけでなく、操作されたコンテンツも検出することを目的としている。
本稿では,異なるモーダル間のきめ細かい相互作用を完全に捉えるために,新しい階層型マルチモーダルマニピュレーションrEasoning tRansformer(HAMMER)を提案する。
論文 参考訳（メタデータ） (2023-04-05T16:20:40Z) - Fighting Malicious Media Data: A Survey on Tampering Detection and
Deepfake Detection [115.83992775004043]
近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。
本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
論文 参考訳（メタデータ） (2022-12-12T02:54:08Z) - Using Interaction Data to Predict Engagement with Interactive Media [8.35844047176969]
本稿では,対話型テレビ番組とのインタラクションから得られたデータを用いて,エンゲージメントのモデル化と予測を行う。
経験とイベント間の間隔に費やされた時間を含む時間的メトリクスが、エンゲージメントの予測であることがわかった。
論文 参考訳（メタデータ） (2021-08-04T10:28:36Z) - Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。
中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。
我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
論文 参考訳（メタデータ） (2021-03-08T13:16:19Z) - Automated Video Labelling: Identifying Faces by Corroborative Evidence [79.44208317138784]
本稿では,複数のエビデンスソースと複数のモダリティを組み合わせることで,テレビ放送などのビデオアーカイブ内のすべての顔を自動的にラベル付けする手法を提案する。
本研究では,人物が有名であるか否かを画像検索エンジンを用いて判定する,新しい,シンプルな手法を提案する。
あまり有名でない人であっても、画像検索エンジンは、シーンやスピーチで命名された顔の正確なラベル付けに役立てることができる。
論文 参考訳（メタデータ） (2021-02-10T18:57:52Z) - Self-supervised Human Detection and Segmentation via Multi-view
Consensus [116.92405645348185]
本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。
本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
論文 参考訳（メタデータ） (2020-12-09T15:47:21Z) - Content-based Analysis of the Cultural Differences between TikTok and
Douyin [95.32409577885645]
ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。
特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。
同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。
メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
論文 参考訳（メタデータ） (2020-11-03T01:47:49Z)
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。