Fugu-MT 論文翻訳(概要): Amplifying Academic Research through YouTube: Engagement Metrics as Predictors of Citation Impact

論文の概要: Amplifying Academic Research through YouTube: Engagement Metrics as Predictors of Citation Impact

arxiv url: http://arxiv.org/abs/2405.12734v1
Date: Tue, 21 May 2024 12:43:37 GMT
ステータス: 処理完了
システム内更新日: 2024-05-22 13:29:38.956851
Title: Amplifying Academic Research through YouTube: Engagement Metrics as Predictors of Citation Impact
Title（参考訳）: YouTubeでアカデミック研究を増幅する - 鎮静効果の予測因子としてのエンゲージメント指標
Authors: Olga Zagovora, Talisa Schwal, Katrin Weller,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This study explores the interplay between YouTube engagement metrics and the academic impact of cited publications within video descriptions, amid declining trust in traditional journalism and increased reliance on social media for information. By analyzing data from Altmetric.com and YouTube's API, it assesses how YouTube video features relate to citation impact. Initial results suggest that videos citing scientific publications and garnering high engagement-likes, comments, and references to other publications-may function as a filtering mechanism or even as a predictor of impactful research.
Abstract（参考訳）: 本研究は、従来のジャーナリズムへの信頼が低下し、情報に対するソーシャルメディアへの依存が高まる中、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。初期の結果は、科学的出版物を引用し、高いエンゲージメントやコメント、他の出版物への言及を引用するビデオがフィルタリング機構として、あるいは衝撃的な研究の予測者として機能することを示唆している。

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)
Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
論文参考訳（メタデータ） (2024-01-24T20:05:49Z)
CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
CausalCiteは紙の意義を測定するための新しい方法だ。これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
論文参考訳（メタデータ） (2023-11-05T23:09:39Z)
Towards Debiasing Frame Length Bias in Text-Video Retrieval via Causal Intervention [72.12974259966592]
トリミングビデオクリップのトレーニングセットとテストセットのフレーム長差による時間偏差について,一意かつ体系的に検討した。 Epic-Kitchens-100, YouCook2, MSR-VTTデータセットについて, 因果脱バイアス法を提案し, 広範な実験およびアブレーション研究を行った。
論文参考訳（メタデータ） (2023-09-17T15:58:27Z)
Artificial intelligence technologies to support research assessment: A review [10.203602318836444]
この文献レビューは、記事のテキストから、より高いインパクトやより高い品質の研究に関連する指標を特定する。論文やカンファレンス論文の引用数や品質スコアを予測するために機械学習技術を使用した研究が含まれている。
論文参考訳（メタデータ） (2022-12-11T06:58:39Z)
Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文参考訳（メタデータ） (2022-11-07T16:19:42Z)
Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文参考訳（メタデータ） (2022-10-02T07:43:26Z)
YouTube and Science: Models for Research Impact [1.237556184089774]
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。
論文参考訳（メタデータ） (2022-09-01T19:25:38Z)
A Measure of Research Taste [91.3755431537592]
生産性と味の両方に報いる引用に基づく尺度を提案する。提示された尺度capは、出版物とその量の影響のバランスをとる。本研究では, 生物学, 計算機科学, 経済学, 物理分野の研究者を対象に, capの特性を解析した。
論文参考訳（メタデータ） (2021-05-17T18:01:47Z)
A Decade of In-text Citation Analysis based on Natural Language Processing and Machine Learning Techniques: An overview of empirical studies [3.474275085556876]
情報科学者は、フルテキストデータ処理技術の進歩に踏み込んで、従来の書誌学をはるかに超えてきた。本稿は、これらの発展に関する研究を物語的にレビューすることを目的としている。その主な焦点は、自然言語処理と機械学習技術を使って引用を分析した出版物である。
論文参考訳（メタデータ） (2020-08-29T17:27:08Z)
How do academic topics shift across altmetric sources? A case study of the research area of Big Data [2.208242292882514]
出版物の著者キーワードとオンラインイベントの用語は、出版物のメイントピックとして抽出され、Altmetric.comで読者のオンラインディスカッションが行われる。結果は、ビッグデータ科学研究に関する2つのトピックのセットの間に、かなりの違いがあることを示している。ブログとニュースは、一般的に使用される用語に強い類似性を示し、政策文書とウィキペディアの記事は、ビッグデータ関連の研究を考察し解釈する上で、最も強い相違性を示している。
論文参考訳（メタデータ） (2020-03-23T19:37:36Z)

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。