論文の概要: TikTok Engagement Traces Over Time and Health Risky Behaviors: Combining Data Linkage and Computational Methods
- arxiv url: http://arxiv.org/abs/2406.15991v1
- Date: Sun, 23 Jun 2024 02:58:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-25 19:33:31.746471
- Title: TikTok Engagement Traces Over Time and Health Risky Behaviors: Combining Data Linkage and Computational Methods
- Title（参考訳）: TikTokのエンゲージメントは、データリンクと計算手法を組み合わせた時間的および健康的リスク行動のトレース
- Authors: Xinyan Zhao, Chau-Wai Wong,
- Abstract要約: 本研究では,様々な健康リスクトピックに関するTikTokビデオが,喫煙行動や飲酒行動とどのように関連しているかを検討する。
2020年から2023年にかけて、これらの回答者が好んだ健康関連ビデオ13,724本を計算分析した。
以上の結果から、当初TikTokで飲酒関連コンテンツを好んだユーザーは、時間とともにこうした動画を好む傾向にあることが示唆された。
- 参考スコア（独自算出の注目度）: 13.061341132181097
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Digital technologies and social algorithms are revolutionizing the media landscape, altering how we select and consume health information. Extending the selectivity paradigm with research on social media engagement, the convergence perspective, and algorithmic impact, this study investigates how individuals' liked TikTok videos on various health-risk topics are associated with their vaping and drinking behaviors. Methodologically, we relied on data linkage to objectively measure selective engagement on social media, which involves combining survey self-reports with digital traces from TikTok interactions for the consented respondents (n = 166). A computational analysis of 13,724 health-related videos liked by these respondents from 2020 to 2023 was conducted. Our findings indicate that users who initially liked drinking-related content on TikTok are inclined to favor more of such videos over time, with their likes on smoking, drinking, and fruit and vegetable videos influencing their self-reported vaping and drinking behaviors. Our study highlights the methodological value of combining digital traces, computational analysis, and self-reported data for a more objective examination of social media consumption and engagement, as well as a more ecologically valid understanding of social media's behavioral impact.
- Abstract（参考訳）: デジタル技術とソーシャルアルゴリズムはメディアの世界に革命をもたらし、健康情報の選択と消費の仕方を変えつつある。
本研究は,ソーシャルメディアのエンゲージメント,コンバージェンス・パースペクティブ,アルゴリズム的インパクトなどの研究により,さまざまな健康リスクトピックにおける個人のTikTokビデオが,喫煙行動や飲酒行動とどのように関連しているかを検討する。
提案手法は,TikTokインタラクションのデジタルトレースと調査自己レポートを組み合わせ,ソーシャルメディア上での選択的エンゲージメントを客観的に測定するデータリンクに依存した(n = 166)。
2020年から2023年にかけて、これらの回答者が好んだ健康関連ビデオ13,724本を計算分析した。
以上の結果から,当初TikTokで飲酒関連コンテンツを好んだユーザーは,喫煙,飲酒,果物,野菜などのビデオが,自記した喫煙行動や飲酒行動に影響を及ぼす傾向が示唆された。
本研究は、ソーシャルメディアの消費とエンゲージメントをより客観的に検討するために、デジタルトレース、計算分析、自己報告データを組み合わせることの方法論的価値と、ソーシャルメディアの行動への影響をより生態学的に妥当に理解することに焦点を当てた。
関連論文リスト
- A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました
近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。
本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文 参考訳（メタデータ） (2024-09-24T03:06:25Z) - Modeling offensive content detection for TikTok [0.0]
本研究では,攻撃内容を含むTikTokデータの収集と解析を行う。
攻撃的なコンテンツ検出のための一連の機械学習とディープラーニングモデルを構築している。
論文 参考訳（メタデータ） (2024-08-29T18:47:41Z) - Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Self-supervised Hypergraph Representation Learning for Sociological
Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。
まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。
第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-12-22T01:20:29Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Case Study on Detecting COVID-19 Health-Related Misinformation in Social
Media [7.194177427819438]
本稿では、ソーシャルメディアにおける新型コロナウイルスの健康関連誤報を検出するメカニズムについて述べる。
応用機械学習技術を用いて誤情報検出機構に組み込まれた誤情報テーマと関連キーワードを定義した。
本手法は,健康関連誤報と真情報との分類において,少なくとも78%の精度で有望な結果を示す。
論文 参考訳（メタデータ） (2021-06-12T16:26:04Z) - Social Behavior and Mental Health: A Snapshot Survey under COVID-19
Pandemic [6.5721468981020665]
新型コロナウイルスのパンデミックは、私たちの生活、研究、社会化、再現方法を変えました。
オンラインソーシャルメディア分析を利用してユーザーの精神状態を検出し評価する研究が増えている。
論文 参考訳（メタデータ） (2021-05-17T21:08:03Z) - 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) - Understanding the Spatio-temporal Topic Dynamics of Covid-19 using
Nonnegative Tensor Factorization: A Case Study [1.6328866317851185]
本稿では、ソーシャルメディアデータにおける話題を特定するために、ソーシャルメディアデータと非負因子化(NTF)の表現を提案する。
オーストラリアのTwitterスフィアに関するケーススタディでは、Covid-19のトピックのダイナミクスを視覚化する。
論文 参考訳（メタデータ） (2020-09-19T15:16:28Z) - Beyond Social Media Analytics: Understanding Human Behaviour and Deep
Emotion using Self Structuring Incremental Machine Learning [1.2487990897680423]
この論文は、人間の社会的行動、ニーズ、認知の階層の表層を表わすものとして、社会的データを考慮した概念的枠組みを発展させている。
速いペースと遅いペースのソーシャルデータから洞察を得るために、2つのプラットフォームが構築された。
論文 参考訳（メタデータ） (2020-09-05T14:53:26Z)
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。