MétaCan
Menu
Retour à la cohorte
Enregistrement W4386086302 · doi:10.25205/1818-7919-2023-22-6-82-93

Russian-Language Media of YouTube: Trends of the “Fifth Power” in 2021

2023· article· en· W4386086302 sur OpenAlexaboutno aff
Lyudmila A. Kruglova, A. I. Kostrukov

Notice bibliographique

RevueVestnik NSU Series History and Philology · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiscourse Analysis and Cultural Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaAdvertisingPopulationQuarter (Canadian coin)Scale (ratio)Product (mathematics)Space (punctuation)Power (physics)Media studiesPolitical scienceInternet privacySociologyBusinessComputer scienceHistoryGeographyLawDemography

Résumé

récupéré en direct d'OpenAlex

Purpose. Compared to 800 million users in 2012, global YouTube reached over 2 billion monthly active users in 2021. Just over a quarter of the world’s population visits YouTube every month. Worldwide, users watch over 1 billion hours of content every day. Russia is in the top five countries in 2021 in terms of the total estimated number of YouTube users – 58 million. According to Why Video, over 65 % of viewers perceive YouTube content as real life. Daily statistics show the scale of YouTube and it becomes clear that this is not just social media and video hosting, but a full-fledged “fifth power”. Results. Based on the analysis of 127 Russian-language media YouTube channels conducted in the fall-winter of 2021, as well as on expert interviews and monitoring of sociological research, the authors are trying to determine the vectors of development of the enormously popular platform. Conclusion. YouTube and audiovisual networks are becoming not only a means of procrastinating and entertaining viewers, but also an informational and educational source. Social media, and in particular YouTube, have established their own full-fledged media space with their own laws, trends, culture, fashion, etc. Most YouTubers create a completely competitive product without large-scale professional, especially television, production facilities, while their audience is many times greater than the television one. They re-invent journalistic genres that seem outdated on television and radio, raising hype about them. They earn money with the help of not only the YouTube platform but also advertising integrations. YouTubers grew into powerful media, developing a personal brand, choosing the most comfortable social media platforms for themselves, and successfully mastering new ones.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,286
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVestnik NSU Series History and PhilologyMême sujetDiscourse Analysis and Cultural CommunicationTravaux en français237 207