Core Concepts
Die Studie untersucht die Entstehung und Auswirkungen der tiefen Filterblase in Kurzvideo-Empfehlungen.
Abstract
Die Studie untersucht die tiefen Filterblasen in Kurzvideo-Empfehlungen und analysiert die Entwicklung über die Zeit, die Faktoren, die dazu beitragen, und die Auswirkungen auf die Nutzer. Es wird eine umfassende Analyse der Datenstruktur, der Methodik, der Kategorien und des Feedbacks durchgeführt.
Einleitung: Filterblasen auf Online-Plattformen werden untersucht, insbesondere in Kurzvideo-Empfehlungen.
Daten und Methodik: Analyse eines großen Datensatzes von Nutzer-Interaktionen auf einer Kurzvideo-Plattform in China.
Tiefe Filterblase: Untersuchung der Entwicklung der Filterblase über die Zeit und der Faktoren, die dazu beitragen.
Faktorenanalyse: Untersuchung der Auswirkungen spezifischer Kategorien, Nutzermerkmale und Feedback-Typen auf die Filterblase.
Verwandte Arbeiten: Ein Überblick über frühere Studien zu Filterblasen und diversen Empfehlungen.
Stats
"Wir entwickeln eine robuste Methodik zur Bewertung der tiefen Filterblase."
"Die Anzahl der einzigartigen Kategorien steigt mit der Ebene, wobei die oberste Ebene die höchste Anzahl aufweist."
"Jüngere Nutzer haben eine höhere Wahrscheinlichkeit für eine niedrigere Abdeckungsrate."
"Nutzer in erstklassigen Städten haben die höchste relative Abdeckung im Vergleich zu Nutzern in anderen Städten."
"Männer haben tendenziell eine niedrigere Abdeckung als Frauen auf den obersten Ebenen."
Quotes
"Die Filterblase war zuerst von Eli Pariser im Jahr 2011 beschrieben worden."
"Die Ergebnisse zeigen, dass explizites Feedback eine Beziehung zur Bildung der tiefen Filterblase haben kann."