The Monetisation of Toxicity: Analysing YouTube Content Creators and Controversy-Driven Engagement

要約

YouTubeは、デジタル文化において重要な役割を果たす主要なソーシャルメディア・プラットフォームであり、その中核にはコンテンツ・クリエイターがいる。これらのクリエイターは、エンゲージメントを促進するためにしばしば物議を醸す行動をとり、それが毒性を助長することがある。本稿では、YouTubeにおける論争コンテンツの定量的分析を行い、論争、毒性、収益化の関係に焦点を当てる。Redditのディスカッションから抽出した、16,349の動画と1億500万以上のコメントを含む、物議を醸した20のYouTubeチャンネルからなるデータセットを紹介する。動画の説明から収益化の手がかりを特定し、URLとキーワードのリストを使用して、アフィリエイトマーケティングや直接販売を含む様々なモデルに分類する。さらに、これらの動画のコメントの毒性を測定するために、機械学習モデルを訓練する。その結果、有害コメントはエンゲージメントの高さと相関する一方で、収益化にはマイナスの影響を与えることが明らかになり、論争主導の交流が必ずしも金銭的利益につながらないことが示された。また、マネタイズ戦略には大きなばらつきがあり、毒性レベルが高いにもかかわらず、大規模なマネタイズを行っているクリエイターもいることがわかった。私たちの研究は、キュレーションされたデータセット、収益化を分類するためのURLとキーワードのリスト、毒性を測定するための機械学習モデルを導入しており、YouTubeにおける論争、エンゲージメント、収益化の間の複雑な関係を理解するための重要な一歩である。収益化の手がかりの検出と分類に使用したリストは、https://github.com/thalesbertaglia/toxmon。

要約(オリジナル)

YouTube is a major social media platform that plays a significant role in digital culture, with content creators at its core. These creators often engage in controversial behaviour to drive engagement, which can foster toxicity. This paper presents a quantitative analysis of controversial content on YouTube, focusing on the relationship between controversy, toxicity, and monetisation. We introduce a curated dataset comprising 20 controversial YouTube channels extracted from Reddit discussions, including 16,349 videos and more than 105 million comments. We identify and categorise monetisation cues from video descriptions into various models, including affiliate marketing and direct selling, using lists of URLs and keywords. Additionally, we train a machine learning model to measure the toxicity of comments in these videos. Our findings reveal that while toxic comments correlate with higher engagement, they negatively impact monetisation, indicating that controversy-driven interaction does not necessarily lead to financial gain. We also observed significant variation in monetisation strategies, with some creators showing extensive monetisation despite high toxicity levels. Our study introduces a curated dataset, lists of URLs and keywords to categorise monetisation, a machine learning model to measure toxicity, and is a significant step towards understanding the complex relationship between controversy, engagement, and monetisation on YouTube. The lists used for detecting and categorising monetisation cues are available on https://github.com/thalesbertaglia/toxmon.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL