論文の概要: Reranking Social Media Feeds: A Practical Guide for Field Experiments

• arxiv url: http://arxiv.org/abs/2406.19571v1
• Date: Thu, 27 Jun 2024 23:18:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 18:10:10.160191
• Title: Reranking Social Media Feeds: A Practical Guide for Field Experiments
• Title（参考訳）: ソーシャルメディアフィードのランク付け:フィールド実験の実践的ガイド
• Authors: Tiziano Piccardi, Martin Saveski, Chenyan Jia, Jeffrey Hancock, Jeanne L. Tsai, Michael S. Bernstein,
• Abstract要約: 本稿は、ソーシャルメディアフィードのリアルタイム再ランク付けに焦点を当てたフィールド実験を開発し、展開する研究者に推奨する。 まず、リアルタイムにコンテンツをインターセプトし、再ランクするWebブラウザエクステンションを用いた実験手法について概説する。 第2に、ソーシャルメディアフィードのインターセプトと再ランク付けのための具体的な技術的レコメンデーションを、最小限の遅延で提供します。
• 参考スコア（独自算出の注目度）: 14.47524773622646
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media plays a central role in shaping public opinion and behavior, yet performing experiments on these platforms and, in particular, on feed algorithms is becoming increasingly challenging. This article offers practical recommendations to researchers developing and deploying field experiments focused on real-time re-ranking of social media feeds. This article is organized around two contributions. First, we overview an experimental method using web browser extensions that intercepts and re-ranks content in real-time, enabling naturalistic re-ranking field experiments. We then describe feed interventions and measurements that this paradigm enables on participants' actual feeds, without requiring the involvement of social media platforms. Second, we offer concrete technical recommendations for intercepting and re-ranking social media feeds with minimal user-facing delay, and provide an open-source implementation. This document aims to summarize lessons learned, provide concrete implementation details, and foster the ecosystem of independent social media research.
• Abstract（参考訳）: ソーシャルメディアは、世論や行動を形成する上で中心的な役割を担っているが、これらのプラットフォーム、特にフィードアルゴリズムの実験はますます困難になりつつある。 本稿では,ソーシャルメディアフィードのリアルタイム再ランク付けに着目したフィールド実験の開発と展開を行う研究者に対して,実践的な勧告を行う。 この記事は2つのコントリビューションを中心に整理されている。 まず、リアルタイムにコンテンツをインターセプトし、再ランクするWebブラウザエクステンションを用いた実験手法について概説し、自然主義的な再ランクフィールド実験を可能にする。 次に,このパラダイムがソーシャルメディアプラットフォームへの関与を必要とせず,参加者の実際のフィードに有効であるフィード介入と測定について述べる。 第二に、ソーシャルメディアフィードを最小限の遅延でインターセプトし、再ランク付けするための具体的な技術的勧告を提供し、オープンソース実装を提供する。 本文書は、学習した教訓を要約し、具体的実装の詳細を提供し、独立したソーシャルメディア研究のエコシステムを育むことを目的としている。

関連論文リスト

• Performance Evaluation in Multimedia Retrieval [7.801919915773585]
  マルチメディア検索の性能評価は検索実験に大きく依存する。 これらには、検索プロセス自体に対するヒューマン・イン・ザ・ループとマシンのみの設定と、その後の結果の検証が含まれる。 本稿では,このような検索実験のすべての側面を表現するための形式モデルと,柔軟なオープンソース評価基盤を提案する。
  論文  参考訳（メタデータ） (2024-10-09T08:06:15Z)
• Towards Scalable Topic Detection on Web via Simulating Levy Walks Nature of Topics in Similarity Space [55.97416108140739]
  類似性空間におけるLevi Walk自然をシミュレートすることで,グループトピックに対する新しい,しかし非常に強力なExplore-Exploit(EE)アプローチを提案する。 2つの公開データセットの実験により、我々の手法は、有効性の観点からは最先端の手法に匹敵するだけでなく、効率面では最先端の手法よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-26T07:19:46Z)
• Finding Fake News Websites in the Wild [0.0860395700487494]
  誤情報コンテンツの作成・配信に責任があるウェブサイトを識別する新しい手法を提案する。 さまざまな実行モードやコンテキストを調べて,Twitter上でのアプローチを検証する。
  論文  参考訳（メタデータ） (2024-07-09T18:00:12Z)
• Peer Review as A Multi-Turn and Long-Context Dialogue with Role-Based Interactions [62.0123588983514]
  大規模言語モデル(LLM)は様々な分野にまたがる幅広い応用を実証してきた。 我々は、ピアレビュープロセスを多ターン長文対話として再構築し、著者、レビュアー、意思決定者に対して異なる役割を担っている。 複数の情報源から収集された92,017件のレビューを含む26,841件の論文を含む包括的データセットを構築した。
  論文  参考訳（メタデータ） (2024-06-09T08:24:17Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• CARE: Collaborative AI-Assisted Reading Environment [47.824020656329246]
  本稿では,インライン解説・読解研究のための,最初のオープンな統合プラットフォームであるCAREについて紹介する。 CAREは、共通の共同読書環境におけるインライン・コメンタリーのデータ収集を容易にする。 CAREは、テキスト分類、生成、質問応答など、NLPベースの支援で読み書きを強化するフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-02-24T12:55:31Z)
• Yourfeed: Towards open science and interoperable systems for social media [1.8623205938004257]
  既存のソーシャルメディアプラットフォームは、研究者がソーシャルメディアで研究を行うことを非常に困難にしている。 このギャップを埋めるため、生態学的に有効なソーシャルメディア研究を行うための研究ツールであるYourfeedを紹介した。
  論文  参考訳（メタデータ） (2022-07-15T13:49:51Z)
• 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)
• Can crowdsourcing rescue the social marketplace of ideas? [1.936291271591564]
  FacebookとTwitterは最近、誤情報に対処するコミュニティベースのレビュープラットフォームを発表した。 本稿では、過去の研究とTwitterのBirdwatchデータの予備分析に基づいて、コンテンツモデレーションに対するコミュニティベースのアプローチの可能性について概説する。 我々は,複雑なシステム研究,行動社会学,計算社会科学の手法を活用して,クラウドベースのコンテンツモデレーションの研究を進めることを目的とする。
  論文  参考訳（メタデータ） (2021-04-28T13:35:28Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。