使用数字痕迹数据时三种常见测量考量的识别、影响与机遇
人机交互
2023-10-03 v1 计算机与社会
计量经济学
摘要
以数字痕迹编录特定 URL、帖子和应用程序已成为测量媒体使用与内容消费的新最佳实践。然而，尽管更高的粒度带来了表面上的准确性，数字痕迹可能会给媒体使用的测量引入额外的模糊性与新的误差。在本札记中，我们识别出使用数字痕迹数据时新近借助一种新测量框架——Screenomics——发现的三个新测量挑战，该框架以人们与移动设备交互时每几秒获取的单张截图的粒度记录媒体使用。我们将这些考量标记如下：(1) 纠缠(entangling)——以对格式的暴露代理对内容的暴露所引入的常见测量误差；(2) 扁平化(flattening)——聚合媒体交互的独特片段而不纳入时间信息，最常见于个体内部；(3) 捆绑(bundling)——对媒体交互片段时长的求和，且不加区分媒体片段间的差异。
引用
@article{arxiv.2310.00197,
title = {Identification, Impacts, and Opportunities of Three Common Measurement Considerations when using Digital Trace Data},
author = {Daniel Muise and Nilam Ram and Thomas Robinson and Byron Reeves},
journal= {arXiv preprint arXiv:2310.00197},
year = {2023}
}
备注
15 pages with refs, 1 figure, 1 table