論文の概要: Scientific discourse on YouTube: Motivations for citing research in comments

• arxiv url: http://arxiv.org/abs/2405.12798v1
• Date: Tue, 21 May 2024 13:50:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-05-22 13:10:09.364341
• Title: Scientific discourse on YouTube: Motivations for citing research in comments
• Title（参考訳）: YouTubeの科学談話:コメントで研究を引用する動機
• Authors: Sören Striewski, Olga Zagovora, Isabella Peters,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.3277163122167434
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: YouTube is a valuable source of user-generated content on a wide range of topics, and it encourages user participation through the use of a comment system. Video content is increasingly addressing scientific topics, and there is evidence that both academics and consumers use video descriptions and video comments to refer to academic research and scientific publications. Because commenting is a discursive behavior, this study will provide insights on why individuals post links to research publications in comments. For this, a qualitative content analysis and iterative coding approach were applied. Furthermore, the reasons for mentioning academic publications in comments were contrasted with the reasons for citing in scholarly works and with reasons for commenting on YouTube. We discovered that the primary motives for sharing research links were (1) providing more insights into the topic and (2) challenging information offered by other commentators.
• Abstract（参考訳）: YouTubeは、幅広いトピックに関するユーザ生成コンテンツの貴重なソースであり、コメントシステムを使用することで、ユーザの参加を促進する。 ビデオコンテンツはますます科学的な話題に対処しており、学者と消費者の両方がビデオの説明とビデオコメントを使って学術的な研究や科学出版物を参照している証拠がある。 コメントは非帰的な行動であるため、この研究は個人が論文へのリンクをコメントに投稿する理由についての洞察を提供する。 そこで,定性的コンテンツ分析と反復的符号化手法を適用した。 さらに、学術出版物にコメントで言及する理由は、学術作品で引用する理由と、YouTubeでコメントする理由とが対比された。 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。

関連論文リスト

• Rethinking Review Citations: Impact on Scientific Integrity [0.0]
  学術誌における調査やレビュー記事の拡散は、インパクトファクターやh-インデックスのような引用指標に影響を与えている。 本研究は,コンピュータ科学の分野に焦点をあてて,この傾向がもたらす意味について考察する。 我々は,論文の主研究の引用を優先し,引用の完全性を維持し,実体的貢献の公正な認識を確保することを提唱する。
  論文  参考訳（メタデータ） (2025-04-08T11:02:31Z)
• Explainability and Hate Speech: Structured Explanations Make Social Media Moderators Faster [72.84926097773578]
  実世界のモデレーターの速度に及ぼす説明の影響について検討する。 我々の実験では、一般的な説明は速度に影響せず、しばしば無視されるが、構造化された説明はモデレーターの意思決定時間を7.4%減少させる。
  論文  参考訳（メタデータ） (2024-06-06T14:23:10Z)
• Amplifying Academic Research through YouTube: Engagement Metrics as Predictors of Citation Impact [0.0]
  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。
  論文  参考訳（メタデータ） (2024-05-21T12:43:37Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
  本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。 新たに登場したAI生成の文献レビューも評価されている。 この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• ViCo: Engaging Video Comment Generation with Human Preference Rewards [68.50351391812723]
  ビデオコメント生成の課題に対処するために,3つの新しいデザインのViCoを提案する。 コメントのエンゲージメントを定量化するために、各コメントが受け取る「いいね! コメントのエンゲージメントを自動的に評価するために、我々は報酬モデルをトレーニングし、その判断を上記のプロキシに合わせる。
  論文  参考訳（メタデータ） (2023-08-22T04:01:01Z)
• Scientific Opinion Summarization: Paper Meta-review Generation Dataset, Methods, and Evaluation [55.00687185394986]
  本稿では,論文レビューをメタレビューに合成する,科学的意見要約の課題を提案する。 ORSUMデータセットは、47のカンファレンスから15,062のメタレビューと57,536の論文レビューをカバーしている。 実験の結果,(1)人間による要約は,議論の深みや特定の領域に対するコンセンサスや論争の特定など,必要な基準をすべて満たしていないこと,(2)タスクの分解と反復的自己調整の組み合わせは,意見の強化に強い可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-24T02:33:35Z)
• 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)
• Classifying YouTube Comments Based on Sentiment and Type of Sentence [0.0]
  我々は、よく知られた統計測度と機械学習モデルを用いて、YouTubeコメントからのテキスト抽出と分類の課題に対処する。 その結果,従来の手法を取り入れた手法が,コンテンツ制作者のチャンネルにおける視聴者エンゲージメント向上に有効であることを示す。
  論文  参考訳（メタデータ） (2021-10-31T18:08:10Z)
• The Potential of Using Vision Videos for CrowdRE: Video Comments as a Source of Feedback [0.8594140167290097]
  我々は、CrowdREで視覚ビデオを使用する可能性を分析し、評価する。 ケーススタディでは、YouTubeのヴィジュアルビデオに対する4505のコメントを分析した。 CrowdREの視覚ビデオの利用は大きな可能性を秘めていると結論付けている。
  論文  参考訳（メタデータ） (2021-08-04T14:18:27Z)
• Can We Automate Scientific Reviewing? [89.50052670307434]
  我々は、最先端自然言語処理(NLP)モデルを用いて、科学論文の第一パスピアレビューを生成する可能性について論じる。 我々は、機械学習領域で論文のデータセットを収集し、各レビューでカバーされているさまざまなコンテンツに注釈を付け、レビューを生成するために論文を取り込み、ターゲットの要約モデルを訓練する。 総合的な実験結果から、システム生成レビューは、人間によるレビューよりも、論文の多くの側面に触れる傾向にあることが示された。
  論文  参考訳（メタデータ） (2021-01-30T07:16:53Z)
• Are Top School Students More Critical of Their Professors? Mining Comments on RateMyProfessor.com [83.2634062100579]
  RateMyProfessor.comの学生レビューとコメントは、学生の現実的な学習経験を反映している。 本研究は,学生のレビューやコメントに重要な情報が含まれており,授業や大学への入学に欠かせない参考文献として利用できることを実証する。
  論文  参考訳（メタデータ） (2021-01-23T20:01:36Z)

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。

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。