FediverseSharing

FediverseSharing数据集是由亚利桑那州立大学研究团队创建，旨在研究跨平台交互动态。该数据集收集了超过20,000名Threads用户和20,000名Mastodon用户在十个月期间的交互信息，包括帖子、回复和点赞。它为研究平台集成、社区互动以及联邦社交网络中的用户行为提供了基础资源。

The FediverseSharing dataset was developed by a research team at Arizona State University to study cross-platform interaction dynamics. This dataset collects interaction data including posts, replies, and likes from over 20,000 Threads users and 20,000 Mastodon users over a ten-month period. It serves as a foundational resource for research on platform integration, community interactions, and user behaviors within federated social networks.

搜集汇总

数据集介绍

构建方式

FediverseSharing 数据集的构建主要依赖于 Mastodon 的公共 API。由于 Threads 的官方 API 不支持直接的用户资料搜索或读取权限，研究团队无法直接从 Threads 平台收集数据。因此，他们通过 Mastodon API 收集了启用 Fediverse Sharing 的 Threads 用户资料和他们的行为数据。为了克服 Mastodon API 在用户资料搜索上的限制，研究团队采用了交互驱动的雪球抽样方法（IDSS），通过收集 Threads 用户对初始种子用户帖子的回复来发现新的 Threads 用户，并重复此过程来扩大种子用户集。

特点

FediverseSharing 数据集的主要特点包括：1) 首次收集了 Threads 和 Mastodon 用户之间的跨平台交互数据，包括帖子、回复和点赞；2) 提供了在 Fediverse Sharing 推出前后用户行为变化的纵向分析；3) 分析了联邦社交网络中的不同实例，突出了与联邦和用户交互相关的关键因素。

使用方法

FediverseSharing 数据集可用于研究跨平台交互、联邦社交网络中的用户行为、内容创建和群体动态。研究团队提供了 Mastodon API 脚本，其中包含了状态 ID，可用于保护用户隐私。用户可以通过这些脚本分析 Threads 和 Mastodon 用户之间的交互数据，研究用户在不同平台上的行为模式、内容偏好和情感倾向等。

背景与挑战

背景概述

在传统社交媒体平台面临用户对内容审核、隐私保护和企业控制日益增长的不满之际，用户开始转向去中心化社交网络，如Mastodon和Threads。为了应对平台间讨论、趋势和内容的隔离问题，以及用户社区因平台迁移而分裂的挑战，联邦协议如ActivityPub被采用。Mastodon作为联邦网络建设的先行者，通过ActivityPub协议同步帖子、回复和点赞。2024年3月，Threads通过其Fediverse Sharing服务加入联邦网络，实现了Threads和Mastodon用户之间的跨平台互动。基于此，FediverseSharing数据集被创建，记录了超过20,000名Threads用户和20,000名Mastodon用户在10个月内的互动数据。该数据集为研究跨平台互动和联邦网络整合的影响提供了基础。

当前挑战

FediverseSharing数据集在解决跨平台互动和联邦网络整合影响的研究问题方面面临挑战。首先，由于数据收集过程中存在API限制，Threads用户的社交图谱对Mastodon用户不可见，这限制了跨平台互动的全面理解。其次，数据集中只包含了自愿启用Fediverse Sharing的Threads用户，这可能无法代表整个Threads用户群体。此外，由于隐私保护，用户特定的属性、状态内容和元数据不会被直接共享。这些挑战要求研究人员在分析数据时考虑这些限制，并谨慎地将研究结果推广到更广泛的用户群体。

常用场景

经典使用场景

在当前社交网络平台集中化和去中心化并存的时代背景下，FediverseSharing数据集提供了一个独特的视角来研究跨平台交互的动态。该数据集记录了超过20,000名Threads用户和20,000名Mastodon用户之间的互动，涵盖了十个月的时间跨度。它不仅捕捉了用户在两个平台上的发帖、回复和点赞行为，而且为分析用户如何在两个不同的社交网络环境中互动提供了丰富的数据。通过研究这些交互，研究人员可以深入了解用户如何跨越不同平台进行交流，以及这种跨平台交互如何影响用户参与度、内容创建和群体动态。

实际应用

FediverseSharing数据集在实际应用中具有广泛的意义。首先，它可以用于社交平台开发者，以优化用户体验和平台功能。通过分析跨平台互动的数据，开发者可以更好地理解用户的需求和偏好，从而设计出更符合用户期望的平台。其次，该数据集对于政策制定者和监管机构也具有重要意义。他们可以利用这些数据来制定更有效的政策，以促进社交网络的健康发展。此外，FediverseSharing数据集还可以为研究人员提供宝贵的数据资源，以研究社交网络中的用户行为、社区动态和内容调节等问题。

衍生相关工作

FediverseSharing数据集的发布为相关领域的研究工作提供了重要的数据支持。该数据集的发布有助于推动跨平台互动、去中心化社交网络和社交网络用户行为等领域的进一步研究。此外，该数据集还可以为其他类似的研究项目提供参考和借鉴，促进相关领域的学术交流和合作。