Investigating the dissemination of STEM content on social media with computational tools

社交媒体平台可以迅速向不同的受众传播STEM内容，但其运作方式可能很神秘。我们使用开源机器学习方法，如聚类、回归和情感分析，分析了6个社交媒体STEM创作者的1000多个视频及其指标。我们的数据提供了关于受众如何产生兴趣信号（喜欢、书签、评论、分享）的见解，以及各种信号与观看次数的相关性，并表明新创作者的内容传播方式不同。我们还通过分析仅供内容创作者使用的数据以及对评论进行情感分析，分享了优化传播的见解。

本论文旨在使用开源机器学习方法，如聚类、回归和情感分析，分析六个社交媒体STEM创作者的1000多个视频和指标，以了解受众如何产生兴趣信号，并研究各种信号与观看次数的相关性。此外，研究还试图分析新创作者的内容如何传播。

本论文使用开源机器学习方法对社交媒体STEM创作者的视频和指标进行分析，以了解受众如何产生兴趣信号，并研究各种信号与观看次数的相关性。此外，研究还试图分析新创作者的内容如何传播。

本论文的亮点包括使用开源机器学习方法对社交媒体STEM创作者的视频和指标进行分析，提供了优化传播的见解，并通过情感分析评论来提供更多见解。此外，论文还提供了实验设计和数据集的详细信息。

在相关研究方面，最近的研究包括使用机器学习方法分析社交媒体数据的研究，如“基于社交媒体数据的用户兴趣建模”和“社交媒体数据的情感分析”。