사회 미디어에서 STEM 콘텐츠의 확산을 계산 도구로 조사하기

Core Concepts

소셜 미디어 플랫폼은 다양한 관객에게 STEM 콘텐츠를 신속하게 전파할 수 있지만, 그 작동 방식은 신비로울 수 있다. 우리는 클러스터링, 회귀 분석, 감정 분석과 같은 오픈 소스 기계 학습 방법을 사용하여 6명의 STEM 크리에이터의 1,000개 이상의 동영상과 해당 지표를 분석했다. 우리의 데이터는 관객이 관심 신호(좋아요, 북마크, 댓글, 공유)를 생성하는 방식, 다양한 신호와 조회수 간의 상관관계, 새로운 크리에이터의 콘텐츠가 다르게 전파되는 것을 보여준다. 또한 크리에이터에게만 제공되는 데이터와 댓글의 감정 분석을 통해 전파를 최적화하는 방법에 대한 통찰력을 공유한다.

Abstract

이 연구는 소셜 미디어 플랫폼에서 STEM 콘텐츠의 확산을 조사하기 위해 수행되었다. 연구진은 6명의 STEM 크리에이터의 1,141개 동영상과 관련 지표를 분석했다.
상관 분석 결과, 모든 관심 신호(좋아요, 댓글, 북마크, 공유)가 조회수와 중간 또는 강한 상관관계를 가지고 있었다. 특히 좋아요 수가 조회수와 가장 강한 상관관계를 보였다. 이는 좋아요 수가 조회수를 가장 잘 예측할 수 있음을 보여준다.
클러스터링 분석을 통해 모든 동영상이 동일하게 취급되지 않음을 확인했다. 대부분의 동영상(92.6%)은 클러스터 1에 속했으며, 이 클러스터에서는 좋아요만이 조회수와 강한 상관관계를 보였다. 반면 팔로워 수가 많은 크리에이터의 동영상은 클러스터 2-4에 속했으며, 이 클러스터의 동영상은 100만 회 이상의 조회수를 기록했다.
크리에이터 전용 데이터 분석 결과, 동영상 제작 시간과 성과 간에 상관관계가 없었다. 또한 사용자는 평균 27초 이상 동영상을 시청하지 않으며, 동영상 길이가 길수록 전체 시청률이 낮아졌다. 이는 짧고 시각적으로 흥미로운 콘텐츠 제작이 중요함을 시사한다.
댓글 감정 분석 결과, 전체적으로 긍정적인 반응이 많았으며, 특히 "Disney Princess as Scientists" 시리즈와 "Ask Us Anything" 시리즈에서 가장 긍정적인 반응을 보였다.
이 연구는 소셜 미디어에서 STEM 콘텐츠를 효과적으로 전파하는 방법에 대한 통찰을 제공한다. 특히 관심 신호, 팔로워 수, 동영상 길이 및 제작 시간, 댓글 분석 등의 요소가 중요함을 보여준다.

Stats

좋아요 수와 조회수 간 상관계수는 0.95로 매우 강한 양의 상관관계를 보였다.
클러스터 1에 속한 동영상의 경우 좋아요 수만이 조회수와 강한 상관관계(r^2=0.86)를 보였다.
사용자는 평균 27초 미만 동영상을 시청하며, 동영상 길이가 길수록 전체 시청률이 낮아졌다.
전체 댓글 중 7%가 부정적, 63%가 중립적, 30%가 긍정적이었다.
"Disney Princess as Scientists" 시리즈와 "Ask Us Anything" 시리즈의 댓글이 가장 긍정적이었다.

Quotes

"소셜 미디어 플랫폼은 다양한 관객에게 STEM 콘텐츠를 신속하게 전파할 수 있지만, 그 작동 방식은 신비로울 수 있다."
"짧고 시각적으로 흥미로운 콘텐츠 제작이 중요하다."
"모든 관심 신호가 중요하지만, 특히 좋아요 수가 조회수를 가장 잘 예측할 수 있다."

Key Insights Distilled From

Investigating the dissemination of STEM content on social media with computational tools

by Oluwamayokun... at arxiv.org 05-01-2024

https://arxiv.org/pdf/2404.18944.pdf

Deeper Inquiries

STEM 콘텐츠 제작자들이 소셜 미디어에서 더 효과적으로 활동하기 위해 어떤 전략을 추가로 고려해볼 수 있을까?

STEM 콘텐츠 제작자들이 소셜 미디어에서 더 효과적으로 활동하기 위해 고려해볼 수 있는 몇 가지 전략이 있습니다. 첫째, 콘텐츠의 시각적인 매력을 강조하는 것이 중요합니다. 시청자들은 시각적으로 매력적이고 흥미로운 콘텐츠에 더 많은 관심을 보이기 때문에, 그래픽, 동영상 편집, 그리고 시각적 요소에 더욱 신경을 써야 합니다. 둘째, 다양한 플랫폼을 활용하여 콘텐츠를 확산시키는 것이 중요합니다. 다양한 소셜 미디어 플랫폼을 활용하여 다양한 관객층에 접근할 수 있으며, 각 플랫폼의 특성에 맞게 콘텐츠를 최적화할 수 있습니다. 마지막으로, 상호 작용을 촉진하는 전략을 고려해야 합니다. 시청자들과의 상호 작용을 촉진하는 콘텐츠, 예를 들어 질문에 대한 답변이나 댓글에 대한 피드백을 적극적으로 수용하는 방법을 통해 시청자들과의 관계를 강화할 수 있습니다.

소셜 미디어 알고리즘이 콘텐츠 확산에 미치는 영향을 최소화하기 위한 방법은 무엇일까?

소셜 미디어 알고리즘이 콘텐츠 확산에 미치는 영향을 최소화하기 위한 방법 중 하나는 다양한 플랫폼을 활용하여 의존도를 분산시키는 것입니다. 하나의 플랫폼에만 의존하지 않고 여러 플랫폼에 콘텐츠를 게시함으로써 알고리즘의 영향을 분산시킬 수 있습니다. 또한, 플랫폼의 변화에 대응하기 위해 지속적인 모니터링과 분석을 통해 알고리즘의 동향을 파악하고 콘텐츠 전략을 조정하는 것이 중요합니다. 더불어, 시청자와의 상호 작용을 촉진하고 콘텐츠의 질을 높이는 것도 알고리즘의 영향을 최소화하는 데 도움이 될 수 있습니다.

STEM 콘텐츠의 소셜 미디어 확산이 실제 학습 및 교육에 어떤 영향을 미칠 수 있을까?

STEM 콘텐츠의 소셜 미디어 확산은 실제 학습 및 교육에 긍정적인 영향을 미칠 수 있습니다. 먼저, 소셜 미디어를 통해 STEM 콘텐츠가 보다 다양한 관객에게 전달될 수 있기 때문에 STEM 교육의 접근성이 향상될 수 있습니다. 또한, 시청자들은 즐겁고 흥미로운 콘텐츠를 통해 STEM 주제에 대한 호기심을 자극받을 수 있으며, 이를 통해 학습 동기부여가 증가할 수 있습니다. 더불어, 소셜 미디어를 통해 STEM 전문가들과의 상호 작용이 가능해지므로, 학습자들은 실제 전문가들과 소통하고 질문할 수 있는 기회를 얻을 수 있습니다. 이러한 요소들이 결합되어 STEM 콘텐츠의 소셜 미디어 확산은 학습자들의 학습 경험을 향상시키고 STEM 교육의 효과를 증진시킬 수 있습니다.