Disturbed YouTube for Kids: Characterizing and Detecting Inappropriate Videos Targeting Young Children
订阅量最大的YouTube频道中有大量是针对年龄很小的儿童的。YouTube上有数百个面向幼儿的频道,提供无害、制作精良和教育性的视频。不幸的是,针对这一人群的不适当内容也很常见。令人遗憾的是,YouTube的算法推荐系统会推荐不合适的内容,因为其中一些内容模仿或衍生自其他合适的内容。考虑到幼儿发展的风险,以及幼儿消费YouTube媒体的增长趋势,这是一个令人担忧的问题。在这项工作中,我们建立了一个分类器,能够以84.3%的准确率识别YouTube上针对幼儿的不适当内容,并利用它来执行首次大规模定量表征,揭示了幼儿YouTube媒体消费的一些风险。我们的分析表明,YouTube仍然受到这些令人不安的视频的困扰,其目前部署的反措施在及时检测它们方面是无效的。令人担忧的是,使用我们的分类器,我们发现幼儿不仅能够,而且可能会在从良性视频开始随机浏览平台时遇到令人不安的视频。
2021-09-16 cs.CY cs.SI
Investigating Algorithmic Bias in YouTube Shorts
本研究通过分析685,842个YouTube Shorts视频,首次揭示了推荐算法从政治敏感内容向娱乐内容漂移的现象,并发现其系统性偏好愉悦内容和强化流行度偏见。
2025-07-07 cs.SI
Auditing health-related recommendations in social media: A Case Study of Abortion on YouTube
本研究针对社交媒体推荐算法在健康领域的潜在偏见与错误信息问题,以YouTube堕胎内容为案例,提出简单有效的傀儡账号审计方法,可高效审计不同复杂度的推荐系统。
2024-04-11 cs.IR cs.SI
Half-life of Youtube News Videos: Diffusion Dynamics and Predictive Factors
该研究聚焦YouTube新闻视频前24小时的早期传播,基于覆盖75国的5万余条视频量化其24小时半衰期(平均约7小时,差异显著),构建6种模型预测半衰期延迟,并通过XAI分析预测因子的重要性,同时公开相关资源。
2025-07-27 cs.SI
Separating Clicks from Baits: Using Large Language Models to Detect Misleading YouTube Thumbnails
Duke University(杜克大学);Lahore University of Management Sciences(拉合尔管理科学大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
研究针对YouTube等平台误导性缩略图问题,提出用大语言模型的多模态检测管道,构建数据集并评估多个模型,发现Claude 3.5 Sonnet性能突出,通过失败分析为视频平台发展提供方向。
2026-07-28 cs.SI
Characterizing Abhorrent, Misinformative, and Mistargeted Content on YouTube
YouTube彻底改变了人们发现和消费视频的方式。尽管YouTube提供了数百个制作精良、值得信赖的视频,但令人憎恶、误导和误导的内容也很常见。该平台受到各种类型的问题内容的困扰:1)针对幼儿的令人不安的视频; 2)仇恨和厌恶女性的内容;以及3)伪科学错误信息。虽然YouTube的推荐算法在提高用户参与度和YouTube的货币化方面发挥着至关重要的作用,但它在无意中推广有问题的内容方面的作用并不完全清楚。在这篇论文中,我们揭示了YouTube上的问题内容的程度和推荐算法在传播这些内容中的作用。遵循数据驱动的定量方法,我们分析了YouTube上的数千个视频,以阐明:1)幼儿使用YouTube媒体的风险; 2)推荐算法在传播厌恶女性内容中的作用,重点关注非自愿独身者(Involuntary Celibates)社区;以及3)用户对平台的各个部分上的伪科学内容的暴露以及该暴露如何基于用户的观看历史而改变。我们的分析表明,幼儿在随机浏览平台时可能会遇到令人不安的内容。通过分析YouTube上的Incel社区,我们发现Incel活动随着时间的推移而增加,平台可能在引导用户转向极端内容方面发挥积极作用。最后,在研究伪科学错误信息时,我们发现YouTube建议更多关于传统伪科学主题的伪科学内容(例如,这些建议在搜索结果页面上比在用户主页或视频推荐部分更常见。
2021-05-20 cs.CY cs.SI
Efficient Data Retrieval and Comparative Bias Analysis of Recommendation Algorithms for YouTube Shorts and Long-Form Videos
本研究开发高效数据收集框架,对比分析YouTube短视频与长视频推荐算法的差异及政治敏感话题偏差,为构建公平透明的推荐系统、践行负责任AI提供参考。
2025-07-29 cs.IR cs.SI
A Survey on Watching Social Issue Videos among YouTube and TikTok Users
本文通过调查659名YouTube用户和127名TikTok用户,揭示用户观看社会议题视频的动机、互动行为及其与信息、娱乐和社交满足的关系,并指出用户对错误信息和回音室问题的担忧。
2023-10-29 cs.HC cs.SI
Cultural Differences in Friendship Network Behaviors: A Snapchat Case Study
文化塑造人们的行为,无论是在线还是离线。令人惊讶的是,关于文化背景如何影响社交媒体上的网络形成和内容消费的研究很少。我们通过封闭网络环境中的文化视角分析了73个国家的内容生产者和消费者之间的友谊网络和二元关系。封闭的网络允许亲密的联系和自我表达,为研究行为的文化差异提供了自然的环境。我们研究了文化的三个理论框架--个人主义、关系流动性和紧密性。我们发现,在不同文化中形成的友谊网络在自我中心性方面有所不同,这意味着用户朋友之间的联系。个人主义、流动性和松散性也对关系强度如何影响内容消费产生了显著的负面影响。我们的研究结果显示了文化如何影响社交媒体行为,并概述了研究人员如何将其纳入工作中。我们的工作对内容推荐有影响,可以提高内容参与度。
2023-01-29 cs.CY cs.SI physics.soc-ph
High Socioeconomic Status is Associated with Diverse Consumption across Brands and Price Levels
本研究通过分析美国两州的移动追踪消费数据,验证了高社会经济地位与跨品牌、价格水平的消费多样化显著相关,且该关联无法由地理约束解释,需考虑深层社会文化因素。
2025-06-16 cs.SI econ.GN physics.soc-ph
Shorts vs. Regular Videos on YouTube: A Comparative Analysis of User Engagement and Content Creation Trends
本文基于 7 万频道、1680 万条视频的两年元数据,比较 YouTube Shorts 与常规视频在参与度、创作频率和类别上的差异,揭示 Shorts 的增长趋势与互动特征。
2024-03-01 cs.SI
Shorts on the Rise: Assessing the Effects of YouTube Shorts on Long-Form Video Content
本文通过研究 250 名拥有大量受众的创作者,评估 YouTube Shorts 等短视频对长视频的影响,发现长视频观看次数与互动量均显著下降。
2024-04-08 cs.MM cs.SI
Subscriptions and external links help drive resentful users to alternative and extremist YouTube videos
研究使用2020年代表性样本的配对行为与调查数据(n=1,181),发现 YouTube 上另类和极端视频的接触高度集中于具有高性别与种族怨恨的少数群体,这些用户主要通过订阅和外部链接访问相关内容,而非算法推荐。
2023-04-02 cs.CY cs.HC cs.IR
Vaccine Hesitancy on YouTube: a Competition between Health and Politics
本研究通过3个月每日收集YouTube疫苗相关视频,发现反对疫苗内容多涉政治,且仅2.7%被下架,揭示平台审核不足,为公共卫生传播提供洞见。
2025-07-10 cs.CY cs.SI
Cultural Targets, Structural Frames, Binding Morals: A Cross-Lingual Audit of Online Hate in Multicultural Singapore
Thomas Lord Department of Computer Science, University of Southern California(南加州大学);Centre for Advanced Technologies in Online Safety (CATOS), Institute of High Performance Computing (IHPC), A*STAR, Singapore(A*STAR新加坡)
通过分析新加坡多语言社交媒体语料,发现仇恨言论的目标群体因语言而异,但威胁框架和道德基础(圣洁与忠诚)跨语言高度一致,且反移民仇恨被优先放大。
2026-06-23 cs.CY cs.SI
Social Links vs. Language Barriers: Decoding the Global Spread of Streaming Content
本研究针对流媒体内容全球传播中平台异同及社交、文化因素被忽视的问题,基于两年趋势榜单数据分析三大平台,发现内容分视频/音频导向型且传播路径不同,YouTube兼具双重属性正演变为独特媒介。
2024-04-18 cs.CY cs.SI physics.soc-ph
Expecting to be HIP: Hawkes Intensity Processes for Social Media Popularity
在线内容流行度的建模和预测是信息传播、广告和消费实践中的一个重要问题。最近对大规模数据集的分析工作推进了我们对流行度的理解,但仍然存在一个主要的差距:精确量化在线商品的流行度与其收到的外部促销之间的关系。这项工作填补了Twitter等公共社交媒体平台的外源投入与YouTube等内容平台内的内源反应之间的缺失环节。我们开发了一个新的数学模型,霍克斯强度过程,它可以解释每个视频的复杂的流行历史,根据其类型的内容,网络的扩散,和推广的敏感性。我们的模型提供了一个视频的原型描述,称为内-外映射。这张图将流行度解释为一个外在因素的结果--视频收到的来自外部世界的促销数量,作用于两个内在因素--对促销的敏感性和内在的病毒性。我们使用这个模型来预测未来的受欢迎程度,并在5个月内对最受欢迎的视频进行促销,并发现它将基于受欢迎程度历史的方法的平均误差降低了28.6%。最后,我们可以识别出那些有很大潜力成为病毒式传播的视频,以及那些促销几乎没有任何效果的视频。
2017-09-08 cs.SI
On-Chart Success Dynamics of Popular Songs
在现代,高度商品化的文化产品在大众消费中竞争激烈,找到成功的“热门”产品出现的复杂过程背后的原理仍然是一个重要的科学目标,需要跨学科的方法。在这里,我们提出了一个框架,用于跟踪产品的成功和衰落的周期,以深入了解决定其成功的影响力和强大的因素。作为一种快速、高通量的公众偏好指标,流行度图表已经成为一种有用的信息源,可以用来发现产品随着时间的推移的市场表现模式,我们称之为图表上的生命轨迹,它显示了产品如何进入图表,在图表中的票价,并最终退出图表。并分析了Gaon Chart的近$7\,000$歌曲的大规模数据集,Gaon Chart是一个主要的每周韩国流行音乐(K-Pop)图表,涵盖了六年的时间。我们发现,一个显着的作用是由非音乐的外在因素,如艺术家建立的球迷基础和可能的生产公司在图表上的歌曲的成功,强烈表明现代文化产品的商品化的性质。我们还审查了这种现象的一个可能的数学模型,并讨论了几个不平凡的,但有趣的轨迹,我们称之为“晚开花”和“重新进入”,似乎是强烈驱动的偶然暴露在大众媒体和季节的变化。
2018-05-15 cs.SI physics.soc-ph