Всем привет! Таннер Стоукс в те времена написал дополнение , переделывая текст комментариев на YouTube в «герп сумасшедший».
Некоторым это сделало жизнь намного лучше.
Мы пошли по тому же пути, но немного изменили концепцию.
Комментарии с YouTube мы представляем в виде картинок, а точнее графиков с вершинами и ребрами.
И визуализируем все типы объектов — от видео и каналов до межжанровых пересечений.
как нам это сделать? Давай выясним.
Почему мы визуализируем?
Философы говорят, что важны не факты, а их сравнение.Так же нам важен не сам факт комментирования видео, а сравнение действий комментаторов в разных видео.
Последовательно воспроизводимые ситуации соответствуют закономерностям, видимым в визуализации.
Основной задачей, которую мы выбрали, является визуализация и выявление регионов — закономерностей на ее основе, а также общее картирование взаимодействия комментаторов на YouTube с целью составления атласа комментариев.
Программное обеспечение
До недавнего времени мы использовали веб-сервис для загрузки комментариев.Скребок комментариев на YouTube , но похоже, что он больше не поддерживается, поэтому можно использовать этот услуга.
Теперь мы используем собственный инструмент, который позволяет скачивать комментарии с одного или нескольких целых каналов, что гораздо удобнее для наших целей.
Для визуализации данных мы используем Гефи v. 0.9.2 .
Мы используем алгоритм Force Atlas 2 для размещения вершин и ребер.
Функции «Средняя (взвешенная) степень» и «Модульность» используются для отображения статистики.
Алгоритм
Возникает вопрос, как можно отслеживать комментарии, какие объективные показатели для этого нужно брать? Мы попытались связать имена пользователей с идентификаторами видео — в нашем случае их последовательная нумерация, например, «OverlordXXX» — «1»; «Оверлорд XXY» — «2» и так далее.Затем мы создали два файла: «Узлы» и «Ребра», согласно это руководство .
Визуализация в Gephi выглядит так: Комментаторы (1) подключены к роликам (2), что и представляет собой комментирование.
Если комментатор прокомментировал более одного видео, он будет связан со всеми видео, которые он прокомментировал (3).
Визуализация комментариев к видео
Для сравнения комментаторов были выбраны три видео( 1 , 2 , 3 ).
Результат визуализации комментариев к видео в Gephi: 
Комментарии к видео представлены в виде ориентированного графа с 10462 вершинами и 10692 ребрами.
Визуализация показывает, что взаимодействие комментаторов между тремя видеороликами слабое.
Во многом это соответствует разнице в содержании видеороликов, что нашло отражение в комментариях к каждому из них.
Первое видео демонстрирует эксперимент с магнетроном.
Второе видео включает в себя как сам опыт, так и освещение событий, не связанных напрямую с опытом.
Третье видео посвящено только событиям без привязки к экспериментам.
Для контрольных измерений использовались ролики того же швеллера ( 1 , 2 , 3 ), но в отличие от предыдущих они сильнее связаны друг с другом схожим контекстом (эксперименты с участием меметического каскадера).
Результаты визуализации: 
Комментарии к видео представлены в виде ориентированного графа с 10 108 вершинами и 10 857 ребрами.
Общему контексту соответствует сильное взаимодействие между комментаторами как минимум в двух из трех видеороликов.
То есть различие или, наоборот, общность комментаторов в разных видеороликах коррелирует с разным или, наоборот, общим контекстом видеороликов.
Что интересно, визуализация, даже без предварительного знания содержания, очень хорошо это отражает.
Визуализация комментариев YouTube-канала
Для визуализации было выбрано 472 286 комментариев из 172 видеороликов канала:
Большинство видео связывает общее облако комментариев.
На этом основании можно говорить о канале как о смысловой (смысловой и контекстной) целостности.
Но есть и интересные региональные особенности.
В верхней части изображения легко увидеть области двух симметричных наборов комментариев, окрашенных в зеленый и синий цвета: 
Как оказалось, они образованы комментариями к четырем видео про петарды ( 1 , 2 , 3 , 4 ), где проводился розыгрыш пиротехники.
Можно предположить, что сравнительно низкая связь этих видео с остальными объясняется переходом на них по внешним ссылкам и, как следствие, появлением специфической аудитории, имеющей опосредованное отношение к остальному контенту канала.
Предварительный вывод: выделение регионов хорошо работает при визуализации комментариев.
А потом можно изучить отдельный регион, используя качественные методы – например, контент-анализ и этнографию.
Визуализация жанровых комментариев YouTube: обзор фильма
Для работы с жанровым полем использовались девять YouTube-каналов ( 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ), авторы которого в качестве основного типа контента в описании указали обзоры фильмов.
Визуализация 1 920 865 комментариев к видео всех каналов: 
Визуализация показала, что два крупных (от 1 миллиона подписчиков) канала буквально поглощают семь мелких (до 500 тысяч подписчиков) каналов.
Фактически мелкие каналы стали регионами крупных каналов, что заметно на картинке в виде соответствующего цвета региона.
Можно предположить, что большинство комментаторов мелких каналов входят в число комментаторов крупных каналов.
То есть для их изучения больше подходят, например, диаграммы Венна, где точно видно, сколько их и в каких пропорциях они представлены в разных каналах.
Для сравнительного сравнения было визуализировано 513 282 комментария с восьми каналов ( 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ) в жанре бьюти-блогов: 
Сильное перекрытие каналов наблюдается только в двух подмножествах, при этом два канала (черный и сиреневый) относительно слабо связаны с остальными.
В отличие от первого примера, комментаторы блогов о красоте менее склонны к вовлечению и в некоторых случаях представляют собой относительно изолированную аудиторию.
Поэтому это необходимо учитывать, пытаясь максимально охватить аудиторию канала, например, в рекламных целях.
Если в случае с кинообзорами достаточно заказать рекламу на миллионах с лишним каналов, то в случае с бьюти-блогами нужно заказывать рекламу на отдельных каналах, иначе их аудитория не будет охвачена.
Визуализация комментариев межжанровых пересечений
Чтобы визуализировать межжанровое пересечение, были выбраны три канала в жанрах бьюти-блогов ( 1 , 14 231 комментарий к 115 видео), эксперименты ( 2 , 72 163 комментария к 81 видео) и путешествия ( 3 , 135 403 комментария к 482 видео).
1) Визуализация пересечения комментаторов бьюти-блога и экспериментов: 
2) Визуализация комментаторов экспериментов и путешествий: 
3) Визуализация бьюти-блога и туристических комментаторов: 
4) Визуализация комментаторов всех каналов: 
Визуально видно, что комментаторы на каналах о путешествиях и экспериментах имеют ряд пересечений, а комментаторы бьюти-блога, несмотря на общую изолированность от остальных, больше связаны с комментаторами путешествий, чем с комментаторами экспериментов.
Предварительные результаты
Общая тенденция к визуализации оправдывает себя в случае исследования комментариев.В случае изучения каналов или отдельных видеороликов визуализация позволяет выделить и детализировать интересующие исследователя регионы.
Это значительно упрощает последующее качественное исследование комментариев и видеоконтента YouTube-каналов.
С практической стороны визуализация пересечения активной аудитории канала (комментаторов) может быть полезна, например, в случаях оптимизации рекламы на каналах.
Если визуализация выявляет сильное и стабильное пересечение комментаторов канала/нескольких каналов, это позволяет правильно распределять рекламу и, как следствие, экономить на ее размещении.
Теги: #youtube #комментарии #gephi #Визуализация данных
-
Старые Версии Мозилла Фаерфокс.
19 Oct, 24 -
Геометрия Против Gucci
19 Oct, 24 -
Интернет-Коммуникации
19 Oct, 24 -
«Подарки» В Соцсетях – Новые Идеи
19 Oct, 24 -
Сколько Гаджетов В Московском Метро?
19 Oct, 24
