Audience Participation in TikTok Metadata

  1. Amparo Huertas-Bailén 1
  2. Natalia Quintas-Froufe 2
  3. Ana González-Neira 2
  1. 1 Universitat Autònoma de Barcelona
    info

    Universitat Autònoma de Barcelona

    Barcelona, España

    ROR https://ror.org/052g8jq94

  2. 2 Universidade da Coruña
    info

    Universidade da Coruña

    La Coruña, España

    ROR https://ror.org/01qckj285

Revista:
Comunicar: Revista Científica de Comunicación y Educación

ISSN: 1134-3478

Año de publicación: 2024

Título del ejemplar: Empowered and hyper(dis)connected audiences: Actors, contexts, experiences and educommunicative practices

Número: 78

Páginas: 82-92

Tipo: Artículo

DOI: 10.58262/V32I78.7 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Comunicar: Revista Científica de Comunicación y Educación

Resumen

Con la expansión de la cultura digital, es necesaria una ref lexión profunda sobre cómo investigar las audiencias. Si antes el individuo era ubicado en una categoría social determinante de los gustos culturales, ahora la tecnología identifica pautas de comportamiento a partir del registro directo de sus acciones. Este texto explora el tipo de conocimiento que puede obtenerse sobre la participación de la audiencia en TikTok. Se propone una metodología que consiste en el análisis de los metadatos de uso visibles. El trabajo de campo se ha centrado en “Ac2ality”, cuenta de información con 4,4 millones de seguidores en España. Se han analizado todos los vídeos compartidos durante seis semanas del primer trimestre del año 2023 (n=173). La finalidad era conocer (a) el grado de correspondencia lineal entre los metadatos de una misma pieza y (b) la existencia de correlaciones entre metadatos y tipo de vídeo/contenido. Para cada metadato disponible en abierto (comentarios, “me gusta”, guardados, compartidos y reproducción), se han establecido cuatro niveles de actividad (bajo, medio, alto y muy alto). La tendencia mayoritaria señala que los niveles obtenidos por los metadatos de un mismo contenido no son coincidentes, es decir, un vídeo tendrá más o menos alcance según el metadato observado. La homogeneidad de los vídeos hace que solo se detecten correlaciones claras entre tema y metadatos. Los temas con menor presencia pueden alcanzar niveles de actividad altos.

Referencias bibliográficas

  • Abidin, C. (2021). Mapping internet celebrity on TikTok: Exploring attention economies and visibility labours. Cultural Science Journal, 12(1), 77-103. https://doi.org/10.5334/csci.140
  • Andersen, J. (2020). Understanding and Interpreting Algorithms: Toward a Hermeneutics of Algorithms. Media, Culture & Society, 42(7- 8), 1479-1494. https://doi.org/10.1177/0163443720919373
  • Bucher, T. (2017). The Algorithmic Imaginary: Exploring the Ordinary Affects of Facebook Algorithms. Information, Communication & Society, 20(1), 30 - 44. https://doi.org/10.1080/1369118X.2016.1154086
  • Comscore. (2023, March 15). Comscore Insights: nuevos tiempos, nuevos consumos, perspectiva 2023. https://bit.ly/43wDsuZ
  • Dourish, P. (2016). Algorithms and Their Others: Algorithmic Culture in Context. Big Data & Society, 3( 2 ) , 1 – 11. https://doi.org/10.1177/2053951716665128
  • Estrada-García, S., & Gamir-Ríos, J. (2023). Soft News in Original Videos. Adaptation to Tiktok of the Main Spanish Online Media. Profesional De La Información, 32(2), 320222. https://doi.org/10.3145/epi.2023.mar.22
  • Fernández Rodríguez, C. J., & Heikkilä, R. (2011). El Debate Sobre El Omnivorismo Cultural. Una Aproximación a Nuevas Tendencias en Sociología Del Consumo. Revista Internacional De Sociología, 69(3), 585-606. https://doi.org/10.3989/ris.2010.04.15
  • Fisher, E. (2015). ‘You Media’: Audiencing as Marketing in Social Media. Media, Culture & Society, 37(1), 50 - 67. https://doi.org/10.1177/0163443714549088
  • Fisher, E., & Mehozay, Y. (2019). How Algorithms See Their Audience: Media Epistemes and the Changing Conception of the Individual. Media, Culture & Society, 41( 8 ) , 1176 -1191. https://doi.org/10.1177/0163443719831598
  • Flyverbom, M., & Murray, J. (2018). Datastructuring—organizing and Curating Digital Traces Into Action. Big Data & Society, 5(2), 1–12. https://doi.org/10.1177/205395171879 9114
  • Fulgoni, G. M., & Lipsman, A. (2017). Measuring Television in the Programmatic Age: Why Television Measurement Methods Are Shifting Toward Digital. Journal of Advertising Research, 57(1), 10 -14. https://doi.org/10.2501/JAR-2017-009
  • García-Marín, D., & Salvat-Martinrey, G. (2022). Viralizar la verdad. Factores predictivos del engagement en el contenido verificado en TikTok. Profesional De La Información, 31(2), 310210. https://doi.org/10.3145/epi.2022.mar.10
  • García-Marín, J., & Serrano-Contreras, I.-J. (2023). (Un) Founded Fear Towards the Algorithm: Youtube Recommendations and Polarisation. C o mu n ic a r, 31(74), 61-70. https://doi.org/10.3916/C74-2023-05
  • García-Orosa, B., Canavilhas, J., & Vázquez-Herrero, J. (2023). Algorithms and Communication: a Systematized Literature Review. C o mu n ic a r, 31(74), 9-21. https://doi.org/10.3916/C74-2023-01
  • Hallinan, B., & Striphas, T. (2016). Recommended for You: the Netf lix Prize and the Production of Algorithmic Culture. New Media & Society, 18(1) , 117-1 3 7. https://doi.org/10.1177/1461444814538646
  • Hartley, J. (2000). Los Usos De La Televisión. Paidós. https://go.revistacomunicar.com/vccDVk
  • Huertas, A. (2002). La Audiencia Investigada. Gedisa. https://go.revistacomunicar.com/2IeYgE
  • Huertas, A. (2015). Yo Soy Audiencia. Ciudadanía, Público Y Mercado. UOC Press. https://go.revistacomunicar.com/dJwgaX
  • IAB. (2023, May 10). Estudio De Redes Sociales. IAB Spain. https://go.revistacomunicar.com/lLOSmV
  • Jensen, K. B. (2019). The Double Hermeneutics of Audience Research. Television & New Media, 20(2), 142-154. https://doi.org/10.1177/1527476418811103
  • Jones, C. (2023). How to train your algorithm: the struggle for public control over private audience commodities on Tiktok. Media, Culture & Society, 45(6). https://doi.org/10.1177/01634437231159555
  • Lawlor, B. (2020). Questioning the legitimacy of data. Information Services & Use, 40(3), 259-272. https://doi.org/10.3233/ISU-200098
  • Livingstone, S. (2019). Audiences in an Age of Datafication: Critical Questions for Media Research. Television & New Media, 20(2), 170 -183. https://doi.org/10.1177/1527476418811118
  • Lomborg, S., & Kapsch, P. H. (2020). Decoding Algorithms. Media, Culture & Society, 42(5), 745-761. https://doi.org/10.1177/0163443719855301
  • Lovink, G. (2019). Tristes Por Diseño: Las Redes Sociales Como Ideología. Consonni. https://doi.org/https://doi.org/10.7203/rd.v1i7.208
  • Martínez-Estrella, E.-C., Samacá-Salamanca, E., García-Rivero, A., & Cifuentes-Ambra, C. (2023). Generation Z in Chile, Colombia, México, and Panama: Interests and new digital consumption habits. Their use of Instagram and TikTok. Profesional De La Información, 32(2), 1-15. https://doi.org/10.3145/epi.2023.mar.18
  • Martínez, J. (2023, May 5). Atresmedia Entra en El Canal De Tiktok Ac2uality a Cambio De Un Pacto Comercial. La Información. https://go.revistacomunicar.com/M6CABa
  • Méndez Rodríguez, E. M. (2003). La descripción de documentos electrónicos a través de metadatos: una visión para la Archivística desde la nueva e-Administración. Revista d’Arxius, 2003, 47- 82. https://go.revistacomunicar.com/dOUT60
  • Newman, N. (2022). How Publishers Are Learning to Create and Distribute News on TikTok (1914566041). Reuters Institute for the Study of Journalism. https://bit.ly/3OJ2RO0
  • Noble, S. (2018). Algorithms of Oppression: How Search Engines Reinforce Racism. NYU Press. https://doi.org/10.2307/j.ctt1pwt9w5
  • Pasquale, F. (2015). The Black Box Society: the Secret Algorithms That Control Money and Information. Harvard University Press. https://doi.org/10.4159/harvard.9780674736061.c8
  • Pérez-Escolar, M., Alcaide-Pulido, P., & Del Toro, A. (2023). Nuevos referentes informativos de la generación Z: Estudio del rol de los y las inf luencers en TikTok como divulgadores/as de contenidos. Prisma Social: Revista De Investigación Social, (40), 262-288. https://go.revistacomunicar.com/RWmfH4
  • Reder, M. (2012). Globalización Y Filosofía. Herder. https://doi.org/10.2307/j.ctvt9k0dr
  • Riemer, K., & Peter, S. (2021). Algorithmic Audiencing: Why We Need to Rethink Free Speech on Social Media. Journal of Information Technology, 36(4), 409-426. https://doi.org/10.1177/02683962211013358
  • Rif kin, J. (2000). La Era Del Acceso. La Revolución De La Nueva Economía. Paidós. https://go.revistacomunicar.com/7Ahqlz
  • Thomas, S. L., Nafus, D., & Sherman, J. (2018). Algorithms as Fetish: Faith and Possibility in Algorithmic Work. Big Data & Society, 5(1) , 1-11. https://doi.org/10.1177/2053951717751552
  • TikTok. (2022, Nov 17). An update on our platform API for researchers. https://bit.ly/3IGWBlO
  • Vázquez-Herrero, J., Negreira-Rey, M.-C., & Rodríguez-Vázquez, A.-I. (2021). Intersections Between Tiktok and Tv: Channels and Programmes Thinking Outside the Box. Journalism and Media, 2(1), 1-13. https://doi.org/10.3390/journalmedia2010001
  • Warner, M. (2012). Público, Públicos, Contrapúblicos. Fondo De Cultura Económica (FCE). https://go.revistacomunicar.com/YdSkEh
  • Webster, J. G. (2016). Why Study Measures of Exposure? From Exposure to Attention. Communication Methods and Measures, 10(2-3), 179-180. https://doi.org/10.1080/19312458.2016.1150974
  • Wolton, D. (1999). Sobre La Comunicación. Acento Editorial. https://go.revistacomunicar.com/b94hh5
Fuente de los datos: Dialnet