TIKTOK AND THE “ALGORITHMIZED SELF”: A NEW MODEL OF ONLINEINTERACTION
Notice bibliographique
Résumé
Since its release in 2017, the video sharing app TikTok has been downloaded 1.5 billion times. While its popularity has been attributed to the abundance of celebrity users, its interactive features, and its short, palatable video length, it has been the subject of relatively few academic studies. This project employs the walkthrough method to examine TikTok within the context of identity negotiation and self-representation on social media. More specifically, it seeks to understand whether TikTok follows a precedent set by other Social Networking Sites which support users self-representing via sociability “to the network, via the network”; i.e. by interacting within the affordances of the platform, which may include sharing, liking, commenting, etc (Papacharissi, 2013). This model ostensibly offers users a stage where they may display their individuality and curate content that reflects their personal interests. By regularly using the app for a period of a month and collecting extensive field notes, screenshots, and video recordings, we found that TikTok’s version of sociality differs from that offered by other SNSs. While other sites purport to be a tool with which users may represent their identities, TikTok does away with this conceit by engendering a mode of sociality (through its design features and affordances) in which the crux of interaction is not between users and their social network, but between a user and what we call an “algorithmized” version of self. This finding has the potential to enrich and complicate the discourse surrounding online identity formation and sociality.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,009 | 0,015 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».