論文の概要: Clicks, comments, consequences: Are content creators' socio-structural and platform characteristics shaping the exposure to negative sentiment, offensive language, and hate speech on YouTube?

• arxiv url: http://arxiv.org/abs/2504.07676v1
• Date: Thu, 10 Apr 2025 11:58:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 12:22:15.329080
• Title: Clicks, comments, consequences: Are content creators' socio-structural and platform characteristics shaping the exposure to negative sentiment, offensive language, and hate speech on YouTube?
• Title（参考訳）: クリック、コメント、結果:コンテンツクリエーターの社会構造とプラットフォームの特徴は、ネガティブな感情、攻撃的な言葉、ヘイトスピーチをYouTube上で露出させるのか?
• Authors: Sarah Weißmann, Aaron Philipp, Roland Verwiebe, Chiara Osorio Krauter, Nina-Sophie Fritsch, Claudia Buder,
• Abstract要約: 本研究では, 年齢, 性別, 人種などの社会構造的特徴と, プラットフォームの特徴が果たす役割について検討した。 我々は、ソーシャルメディアデータに社会構造的特徴を含むように、手書き変数で強化されたデジタルトレースデータを組み合わせた包括的分析を行う。 既存の研究とは対照的に、女性のコンテンツクリエーターはネガティブなコミュニケーションに直面することが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Receiving negative sentiment, offensive comments, or even hate speech is a constant part of the working experience of content creators (CCs) on YouTube - a growing occupational group in the platform economy. This study investigates how socio-structural characteristics such as the age, gender, and race of CCs but also platform features including the number of subscribers, community strength, and the channel topic shape differences in the occurrence of these phenomena on that platform. Drawing on a random sample of n=3,695 YouTube channels from German-speaking countries, we conduct a comprehensive analysis combining digital trace data, enhanced with hand-coded variables to include socio-structural characteristics in social media data. Publicly visible negative sentiment, offensive language, and hate speech are detected with machine- and deep-learning methods using N=40,000,000 comments. Contrary to existing studies our findings indicate that female content creators are confronted with less negative communication. Notably, our analysis reveals that while BIPoC, who work as CCs, receive significantly more negative sentiment, they aren't exposed to more offensive comments or hate speech. Additionally, platform characteristics also play a crucial role, as channels publishing content on conspiracy theories or politics are more frequently subject to negative communication.
• Abstract（参考訳）: ネガティブな感情や攻撃的なコメント、あるいはヘイトスピーチを受けることは、YouTube上のコンテンツクリエーター(CC)の労働経験の絶え間ない部分だ。 本研究では, CCの年齢, 性別, 人種などの社会構造的特徴だけでなく, 加入者数, コミュニティの強さ, チャネルのトピックが, そのプラットフォーム上での現象の発生にどう違いがあるか, といったプラットフォームの特徴についても検討した。 ドイツ語圏のn=3,695のYouTubeチャンネルのランダムなサンプルを描画し、デジタルトレースデータを組み合わせた総合的な分析を行い、ソーシャルメディアデータに社会構造的特徴を含むように手書き変数で拡張した。 N=40,000,000のコメントを用いて、公共の目に見えるネガティブ感情、攻撃的言語、ヘイトスピーチを機械学習とディープラーニングの手法で検出する。 既存の研究とは対照的に、女性のコンテンツクリエーターはネガティブなコミュニケーションに直面することが示唆された。 特に、我々の分析によると、CCとして働いているBIPoCは、よりネガティブな感情を受け取っているものの、攻撃的なコメントやヘイトスピーチに曝されることはなさそうです。 さらに、陰謀論や政治に関するコンテンツを出版するチャンネルは、ネガティブなコミュニケーションの対象となることが多いため、プラットフォームの特徴も重要な役割を担っている。

関連論文リスト

• The Monetisation of Toxicity: Analysing YouTube Content Creators and Controversy-Driven Engagement [1.3108652488669736]
  本稿では, 論争, 毒性, 収益化の関連性に着目し, 論争を巻き起こす内容の定量的分析を行う。 16,349本の動画と1億5500万以上のコメントを含む、Redditの議論から抽出された20の議論のあるYouTubeチャンネルからなるキュレートされたデータセットを紹介します。 我々は、ビデオ記述からアフィリエイトマーケティングや直接販売を含む様々なモデルに収益化の手がかりを特定し、分類する。 以上の結果から,有毒なコメントは高いエンゲージメントと相関するが,収益化に悪影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-01T13:10:35Z)
• Exploratory Data Analysis on Code-mixed Misogynistic Comments [0.0]
  我々は、ミックスコードHinglishでYouTubeコメントの新しいデータセットを提示する。 これらのコメントは「ミソジニスト」と「非ミソジニスト」とラベル付けされている。
  論文  参考訳（メタデータ） (2024-03-09T23:21:17Z)
• Shifting Climates: Climate Change Communication from YouTube to TikTok [0.0]
  我々は、情報発信者としてTikTokへの影響力を拡大した21人のYouTubeクリエーターが生み出したビデオコンテンツについて検討した。 クリエイターたちは、YouTubeよりも感情的に共鳴し、自己参照し、アクション指向の言語を使っていることがわかった。 また、ビデオとコメントのセマンティックな結びつきも強く、TikTokのコンテンツをYouTubeから多様化するクリエーターは、通常、生成されたコンテンツとより緊密に一致したレスポンスを受け取る。
  論文  参考訳（メタデータ） (2023-12-08T11:10:10Z)
• Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
  本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。 ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。 以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-05-18T05:58:27Z)
• CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a Context Synergized Hyperbolic Network [52.85130555886915]
  CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。 我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
  論文  参考訳（メタデータ） (2023-03-02T17:30:43Z)
• Automated Sentiment and Hate Speech Analysis of Facebook Data by Employing Multilingual Transformer Models [15.823923425516078]
  我々は、Facebookの代表的なデータセットの中で、憎悪とネガティブな感情内容の統計的分布を分析する。 我々は、感情分析やヘイトスピーチ分析を行うために、最先端のオープンソースのXLM-T多言語変換言語モデルを用いている。
  論文  参考訳（メタデータ） (2023-01-31T14:37:04Z)
• Countering Malicious Content Moderation Evasion in Online Social Networks: Simulation and Detection of Word Camouflage [64.78260098263489]
  ツイストとカモフラージュキーワードは、プラットフォームコンテンツモデレーションシステムを回避する最もよく使われるテクニックである。 本稿では,コンテンツ回避の新たな手法をシミュレートし,検出する多言語ツールを開発することにより,悪意ある情報に対する対処に大きく貢献する。
  論文  参考訳（メタデータ） (2022-12-27T16:08:49Z)
• 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)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)

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。