Mapping the Global Conversation on Sports Analytics: A Methodology for Twitter Data Collection (Preprint)
Notice bibliographique
Résumé
BACKGROUND Twitter has been extensively used for understanding public opinion in various domains, yet the discourse surrounding sports analytics has not been thoroughly examined. OBJECTIVE The aim of this study is to map and characterize the global conversation on sports analytics as it occurs on Twitter, focusing on geographic distribution, topics of interest, and user engagement. METHODS We employed a multi-stage data collection methodology, starting with three seed accounts involved in sports analytics. Tweets and metadata were collected from users followed by these seed accounts over the last three years. Noun phrases were identified using the spaCy toolkit and were scored based on their frequency relative to a random sample of 1.6 million tweets. Subsequently, term pairs were queried to collect more tweets, focusing on user interactions and topics discussed. RESULTS A total of 3,159,738 tweets were collected from over two million authors. Tweet frequency varied significantly across the seed accounts, with Sportlogiq having the highest median tweets per account. About 1.7% of users provided geolocation data. Topics were largely consistent across different countries, focusing on sports, technology, and business. Community detection algorithms identified 34 clusters with at least 1,000 members each, discussing topics ranging from specific sports to technology. CONCLUSIONS The sports analytics discourse on Twitter is active and internationally based, albeit with a significant presence in the United States, the United Kingdom, and Canada. Seed accounts did not bias geographic distribution. Topics were consistent across countries, emphasizing the global nature of this community.
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 | 0,010 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,006 |
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 ».