OdySTAT

Cette base de données se compose de deux fichiers CSV résultant d’une collecte itérative de données provenant de 80 chaînes de la plateforme Odysee. Créée le 28 septembre 2020 par le libertarien américain Jeremy Kauffman, la plateforme se définit sur son site Internet comme un dépôt pour un large éventail de contenus, bien qu'elle soit « principalement reconnue pour ses capacités d'hébergement vidéo ». Contrairement à YouTube, Odysee utilise un échange de données peer-to-peer (une architecture client-serveur), ce qui lui permet d'éviter les juridictions nationales imposées par l’utilisation - circonscrite géographiquement - de serveurs centralisés. Cette configuration permet à la plateforme d’échapper à toute forme de modération et fait d’elle un espace numérique privilégié pour les communautés aux positions les plus extrêmes. Les fichiers CSV ont été obtenus en utilisant l’API de la plateforme Odysee afin d’obtenir les données et les métadonnées relatives à la création des chaînes et à la publication des utilisateurs recensés. Une liste initiale de 80 chaînes a permis d’identifier un nouveau groupement de chaînes, dont les données et métadonnées ont été également collectées. Odysee permet en effet le partage de vidéos, créant une relation entre une chaîne source et une chaîne réceptrice, similaire aux partages sur Twitter. Ce processus est répété automatiquement cinq fois, à travers différents niveaux de profondeur, pour collecter chaque groupement identifié et élargir le nombre total de chaînes par effet de vidéos partagées. Ainsi, la cinquième profondeur permet de passer de 80 chaînes et 38 906 vidéos à un échantillon total de 13 436 chaînes, 4 937 385 vidéos et documents et 516 810 partages. Un premier fichier CSV de 6,9 MB recense les données et métadonnées relatives aux chaînes stricto sensu, à travers différentes catégories : l’identifiant de la chaîne (channel id), la date de création, le nombre d’abonnés, la description (si présente), un lien vers l’image du profil, un lien vers l’image de couverture et le pseudo de la chaîne. Un second fichier CSV de 6,5 GB concerne les données et métadonnées des contenus publiés, incluant l’URL canonique, le type de contenu (vidéos ou autres, tels que des fichiers PDF), le code d’identification de la vidéo (claim_id), la date de création choisie par l’utilisateur, le titre, le nombre de vues, l’identifiant et le nom de la chaîne, la durée de la vidéo, la langue choisie par l’utilisateur, les tags, les likes, les dislikes, la date réelle (retrouvée en scrappant les dates de publication sur le site https://explorer.lbry.com), et la date formatée sans les heures. Les données sont multilingues, alors que la première liste de chaînes initiales comprenait 80 chaînes complotistes, affiliées au mouvement QAnon, francophones, germanophones et italophones. Progressivement, au fil de la collecte itérative, des chaînes et des contenus hispanophones, russophones et autres sont également apparus. Cette base de données, la première jamais consacrée à Odysee, vise à permettre aux chercheurs de s’intéresser aux nouvelles possibilités offertes par cette plateforme, alors que les API d’autres plateformes traditionnelles ne sont plus accessibles. Les possibilités sont nombreuses quant à l’étude des réseaux sociaux, des communautés politisées ou extrêmes, des interactions en ligne entre utilisateurs ou des corpus audiovisuels.本数据集由两份逗号分隔值文件（CSV, Comma-Separated Values）构成，其数据通过迭代采集自Odysee平台的80个账号频道获得。Odysee平台由美国自由主义者杰里米·考夫曼（Jeremy Kauffman）于2020年9月28日创建，其官网宣称自身为涵盖各类内容的存储平台，尽管其"主要以视频托管服务为人熟知"。与YouTube不同，Odysee采用点对点（peer-to-peer, P2P）数据交换模式，而YouTube所使用的是客户端-服务器（client-server）中心化架构，这使其能够规避因使用地理受限的中心化服务器而受到的国家司法管辖。这种架构使该平台能够摆脱任何形式的内容审核，使其成为持有极端立场的社群的首选数字空间。本数据集的两份CSV文件通过调用Odysee平台的应用程序编程接口（API, Application Programming Interface）采集得到，用于获取目标账号频道的创建信息以及用户发布内容的相关数据与元数据。最初的80个账号频道列表可用于识别新的账号频道集群，随后我们也采集了这些集群的相关数据与元数据。Odysee支持视频分享功能，可在源账号频道与接收账号频道之间建立关联，这与推特（Twitter）的分享机制类似。该过程将自动重复五次，通过不同的深度层级，对每一个识别出的集群进行数据采集，并依托视频分享效应扩大账号频道的总数量。如此一来，在第五个深度层级时，采集样本将从初始的80个账号频道、38906条视频，拓展至总计13436个账号频道、4937385条视频与文件，以及516810次分享。首个CSV文件大小为6.9 MB，记录了严格意义上的账号频道的相关数据与元数据，涵盖以下类别：频道ID（channel ID）、创建日期、订阅数、频道描述（若存在）、头像链接、封面图链接以及频道昵称。第二个CSV文件大小为6.5 GB，涵盖已发布内容的相关数据与元数据，具体包括：规范统一资源定位符（URL, Uniform Resource Locator）、内容类型（视频或其他类型，例如PDF文件）、视频标识ID（claim_id）、用户自定义的创建日期、视频标题、播放量、账号频道的ID与名称、视频时长、用户选定的语言、标签（tags）、点赞数、点踩数、实际发布日期（通过在https://explorer.lbry.com网站抓取发布日期获取）以及不含时分的格式化日期。本数据集的数据为多语言类型，初始的80个账号频道均为与匿名者Q（QAnon）运动相关的阴谋论账号，覆盖法语、德语与意大利语使用者群体。随着迭代采集的推进，后续也陆续出现了西班牙语、俄语以及其他语言的账号频道与内容。作为首个针对Odysee平台的数据集，本数据集旨在为研究者提供该平台的相关研究新方向，鉴于当前诸多传统社交媒体平台的应用程序编程接口已不再对外开放。该数据集可用于多类研究场景，包括社交网络分析、政治化或极端主义社群研究、用户间在线互动研究以及视听语料库构建等。