Hallo allerseits! Tanner Stokes
hat ein Add-On geschrieben , das den Text von Kommentaren auf YouTube in „herp derp“ überarbeitet hat. Dies hat das Leben für einige viel besser gemacht. Wir sind den gleichen Weg gegangen, haben aber das Konzept leicht geändert. Wir präsentieren YouTube-Kommentare in Form von Bildern oder Grafiken mit Eckpunkten und Kanten. Und wir visualisieren alle Arten von Objekten - von Videos und Kanälen bis hin zu genreübergreifenden Schnittpunkten. Wie machen wir das? Lass es uns herausfinden.
Warum visualisieren wir?
Philosophen sagen, dass nicht Fakten wichtig sind, sondern ihr Vergleich. Es ist für uns auch wichtig, das Video selbst nicht zu kommentieren, sondern die Aktionen von Kommentatoren in verschiedenen Videos zu vergleichen. Nachhaltig reproduzierbare Situationen entsprechen den in der Visualisierung sichtbaren Mustern. Die Hauptaufgabe, die wir gewählt haben, ist die Visualisierung und Erkennung von Regionen - Mustern auf ihrer Grundlage sowie eine allgemeine Abbildung der Interaktion von Kommentatoren auf YouTube, um einen Atlas von Kommentaren zu erstellen.
Software
Bis vor kurzem haben wir den
Youtube Comment Scraper- Webdienst verwendet, um
Kommentare zu
entleeren. Es scheint jedoch, dass er nicht mehr unterstützt wird, sodass Sie
diesen Dienst verwenden können.
Jetzt verwenden wir unser eigenes Tool, mit dem wir die Kommentare eines oder mehrerer Kanäle als Ganzes herauspumpen können, was für unsere Zwecke viel bequemer ist.
Zur Datenvisualisierung verwenden wir
Gephi v. 0.9.2 . Zum Stapeln von Scheitelpunkten und Kanten verwenden wir den Force Atlas 2-Algorithmus. Zur Anzeige von Statistiken werden die Funktionen „Durchschnittlicher (gewichteter) Grad“ und „Modularität“ verwendet.
Algorithmus
Es stellt sich die Frage, aber wie kann man Kommentare verfolgen, welche objektiven Indikatoren sollten dafür herangezogen werden? Wir haben versucht, die Benutzernamen an die Kennungen der Videos zu binden - in unserem Fall an ihre fortlaufende Nummerierung, z. B. "OverlordXXX" - "1"; "Overlord XXY" - "2" und so weiter. Anschließend wurden gemäß
diesem Handbuch zwei Dateien erstellt, "Nodes" und "Edges".
Die Visualisierung in Gephi ist wie folgt. Kommentatoren (1) sind mit den Rollen (2) verbunden, was ein Kommentar ist. Wenn der Kommentator mehr als einen Clip kommentiert hat, ist er allen Clips zugeordnet, die er kommentiert hat (3).
Visualisierung von Videokommentaren
Um die Kommentatoren zu vergleichen, wurden drei Videos ausgewählt (
1 ,
2 ,
3 ).
Das Ergebnis der Visualisierung von Videokommentaren in Gephi:
Kommentare zu den Videos werden in Form eines gerichteten Diagramms mit 10.462 Eckpunkten und 10.692 Kanten dargestellt. Die Visualisierung zeigt, dass sich die Interaktion der Kommentatoren zwischen den drei Videos schlecht manifestiert. Dies entspricht weitgehend dem Unterschied im Inhalt der Videos, der sich in den Kommentaren zu den einzelnen Videos widerspiegelte. Das erste Video zeigt die Erfahrung mit einem Magnetron. Das zweite Video enthält sowohl Erfahrungen als auch Berichterstattung über Ereignisse, die nicht direkt mit Erfahrungen zusammenhängen. Das dritte Video ist nur Ereignissen ohne Bezug zu Experimenten gewidmet.
Für die Kontrollmessung wurden Walzen desselben Kanals verwendet (
1 ,
2 ,
3 ), die jedoch im Gegensatz zu den vorherigen in einem ähnlichen Kontext enger miteinander verwandt sind (Experimente mit einem memetischen Stuntman).
Visualisierungsergebnisse:
Kommentare zu den Videos werden in Form eines gerichteten Diagramms mit 10108 Eckpunkten und 10857 Kanten dargestellt. Der allgemeine Kontext entspricht der starken Interaktion von Kommentatoren in mindestens zwei der drei Videos.
Das heißt, der Unterschied oder umgekehrt, die Community der Kommentatoren in verschiedenen Videos korreliert mit den verschiedenen oder umgekehrt dem Gesamtkontext der Videos. Interessanterweise fängt die Visualisierung, auch ohne sich vorher mit dem Inhalt vertraut zu machen, ihn sehr gut ein.
Visualisieren von YouTube-Kanalkommentaren
Zur Visualisierung wurden 472.286 Kommentare von 172 Kanalvideos ausgewählt:
Eine gemeinsame Kommentarwolke verbindet die meisten Videos. Auf dieser Basis können wir über den Kanal als semantische (semantische und kontextuelle) Integrität sprechen. Es gibt aber auch interessante regionale Besonderheiten. Die Bereiche von zwei symmetrischen Kommentarsätzen, die oben im Bild hervorgehoben und in Grün und Blau dargestellt sind, sind leicht zu erkennen:
Wie sich herausstellte, werden sie durch Kommentare zu vier Videos über Feuerwerkskörper (
1 ,
2 ,
3 ,
4 ) gebildet, in denen eine pyrotechnische Zeichnung gehalten wurde.
Es ist davon auszugehen, dass die relativ geringe Konnektivität dieser Videos mit dem Rest auf den Übergang zu ihnen über externe Links und damit auf das Auftreten eines bestimmten Publikums zurückzuführen ist, das indirekt mit dem Rest des Kanalinhalts zusammenhängt.
Vorläufige Schlussfolgerung - Bei der Visualisierung von Kommentaren funktioniert die Auswahl der Regionen gut. Und dann können Sie mithilfe qualitativer Methoden eine eigene Region erkunden - zum Beispiel Inhaltsanalyse und Ethnographie.
Visualisierung von YouTube-Kommentaren: Filmkritik
Neun YouTube-Kanäle (
1 ,
2 ,
3 ,
4 ,
5 ,
6 ,
7 ,
8 ,
9 ) wurden verwendet, um mit dem Genre-Feld zu arbeiten, dessen Autoren eine Überprüfung von Filmen als Hauptinhaltstyp in der Beschreibung angaben.
Visualisierung von 1 920 865 Kommentaren zu Videos aller Kanäle:
Die Visualisierung zeigte, dass zwei große Kanäle (von 1 Million Abonnenten) buchstäblich sieben kleine Kanäle (bis zu 500.000 Abonnenten) aufnehmen. Tatsächlich sind kleine Kanäle zu Regionen großer Kanäle geworden, was im Bild als entsprechende Farbe der Region erkennbar ist. Es ist davon auszugehen, dass Kommentatoren auf kleinen Kanälen meist zu den Kommentatoren auf großen Kanälen gehören. Das heißt, Venn-Diagramme eignen sich besser für ihre Forschung, beispielsweise wenn Sie genau sehen können, wie viele von ihnen und in welchen Anteilen sie in verschiedenen Kanälen dargestellt werden.
Für den Kontrollvergleich wurden 513282 Kommentare von acht Kanälen (
1 ,
2 ,
3 ,
4 ,
5 ,
6 ,
7 ,
8 ) im Beauty-Blog-Genre visualisiert:
Ein starker Schnittpunkt von Kanälen wird nur in zwei Teilmengen beobachtet, während zwei Kanäle (schwarz und lila) relativ schwach mit den anderen verbunden sind. Im Gegensatz zum ersten Beispiel interagieren Kommentatoren von Beauty-Blogs weniger häufig und sind in einigen Fällen ein relativ isoliertes Publikum. Dies muss daher berücksichtigt werden, wenn die maximale Abdeckung des Publikums von Kanälen festgelegt wird, beispielsweise für Werbezwecke. Wenn es bei Filmkritiken ausreicht, Werbung auf mehr als einer Million Kanälen zu bestellen, müssen Sie bei Beauty-Blogs Werbung bestellen, auch auf isolierten Kanälen, da sonst das Publikum nicht abgedeckt wird.
Visualisierung genreübergreifender Schnittkommentare
Um die genreübergreifende Überschneidung zu visualisieren, wurden drei Kanäle in den Genres Beauty-Blog (
1 , 14.231 Kommentare zu 115 Clips), Experimenten (
2 , 72.163 Kommentare zu 81 Clips) und Reisen (
3 , 135.403 Kommentare zu 482 Clips) ausgewählt.
1) Visualisierung der Schnittstelle von Beauty-Blog-Kommentatoren und Experimenten:
2) Visualisierung von Kommentatoren zu Experimenten und Reisen:
3) Visualisierung von Beauty-Blogs und Reisekommentatoren:
4) Visualisierung der Kommentatoren aller Kanäle:
Visuell können Sie sehen, dass Kanalkommentatoren auf Reisen und Experimenten eine Reihe von Schnittpunkten aufweisen und Beauty-Blog-Kommentatoren, obwohl sie vom Rest isoliert sind, eher mit Reisekommentatoren als mit Experimentkommentatoren in Verbindung gebracht werden.
Vorläufige Ergebnisse
Der allgemeine Trend zur Visualisierung rechtfertigt sich bei der Untersuchung von Kommentaren.
Bei der Untersuchung von Kanälen oder einzelnen Videos können Sie mithilfe der Visualisierung die für den Forscher interessanten Bereiche hervorheben und detaillieren. Dies vereinfacht die anschließende qualitative Untersuchung von Kommentaren und Videoinhalten auf YouTube-Kanälen erheblich.
Auf der praktischen Seite kann die Visualisierung des Schnittpunkts des aktiven Publikums des Kanals (Kommentatoren) beispielsweise bei der Optimierung der Werbung auf Kanälen nützlich sein. Wenn während der Visualisierung ein starker und stabiler Schnittpunkt von Kanalkommentatoren / Kanalsätzen festgestellt wird, können Sie Werbung korrekt verteilen und dadurch ihre Platzierung sparen.