THE SOCIO-TECHNICAL ENTANGLEMENTS OF LIVE STREAMING ON TWITCH.TV
Notice bibliographique
Résumé
The website and platform Twitch.tv is the overwhelming market leader in the live broadcast (“streaming”) of user-created videos over the internet, known primarily for the streaming of video game play. In both 2016 and 2017 over two million people regularly broadcast on the platform, resulting in over a million years of video content in total viewed by over one hundred million people (Twitch, 2017). The deep newness of this phenomenon, alongside the many elements that constitute it, make it an important site for studying digital labour, co-production, and gaming culture. In this paper we focus on three elements of the conference theme: the shifting political and creative economies of streaming media, in our case Twitch; social media, platforms, podcasts, and actors in online networks; and the materialities of data, in our case a million years of video content. Specifically, we consider the entangling of the technical and social dimensions of the Twitch phenomenon: how these elements shape the labour of Twitch streamers, audience engagement with the platform, and Twitch’s wider position in contemporary media production. To do so we draw upon semi-structured interviews with over one hundred professional streamers on the Twitch platform, lasting between ten minutes and one hour, alongside at least one hour of ethnographic observation from over two hundred Twitch channels and ethnographic work from almost a dozen gaming events in the United Kingdom, United States, Germany and Poland in the past two years.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».