What to watch: Practical considerations and strategies for using YouTube for research
Notice bibliographique
Résumé
YouTube is the second-most visited webpage in the world and boasts over 2 billion users and 500 h of videos uploaded every hour. Despite this popularity, relatively few articles have discussed the practical use of searching and YouTube as a research tool and source of data. The purpose of our paper is to propose a step-by-step schematic for utilizing the YouTube platform. Our discussions include (a) when/whether to use YouTube for research; (b) selecting an appropriate research design; (c) how to search for YouTube data; (d) what data can be pulled from YouTube; and (e) the contextual limitations for interpreting YouTube data. Further, we provide practical strategies and considerations when searching, collecting, or interpreting YouTube data. These discussions are informed by our own work using the YouTube platform. Effective methods used to search for YouTube data are likely to extend beyond simply searching the platform itself; the search strategy and search results themselves should also be documented. While not exhaustive, we feel these considerations and strategies present themselves as a conceptual foothold for future research using the YouTube platform.
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 | 0,222 | 0,298 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,021 | 0,028 |
| Communication savante | 0,043 | 0,059 |
| Science ouverte | 0,008 | 0,016 |
| Intégrité de la recherche | 0,018 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,011 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».