Un examen de 86 565 posts de médias sociaux liés à la technologie métavers a montré seulement 14% de sentiment négatif.
Une équipe de chercheurs des Émirats arabes unis a récemment mené une étude pour découvrir ce que les gens pensaient des métavers sur les médias sociaux.
L’équipe a traité un ensemble de données de 86 565 messages sur la plateforme de médias sociaux X et a utilisé l’apprentissage automatique pour les diviser en trois catégories représentant le sentiment : positif, neutre et négatif.
Selon les chercheurs, la répartition a montré que les posts exprimant des sentiments positifs sur les métavers se taillaient la part du lion avec 45 506 (53 % du total). Les chercheurs ont identifié 28 663 messages affichant un sentiment neutre, soit 33 % du total, et les 14 % restants (12 396 messages) affichant un sentiment négatif.
Un exemple de message positif (appelé « tweets » dans l’article) donné dans l’article était « good morning everyonenlet (sic) keep building the metaverse » (bonjour tout le monde (sic) continuez à construire le métavers). À l’autre extrémité du spectre, un exemple de message qualifié de négatif était « corrigez-moi si je me trompe mais le métavers ne va-t-il pas être comme un mmorpg où vous devez faire votre travail entouré de npcs irritants si c’est le cas, je m’en tiendrai aux interactions irl s’il vous plaît ».
L’équipe affirme, dans son article, que les sentiments positifs et négatifs suivent des schémas, mais pas les sentiments neutres :
« Les tweets positifs contiennent beaucoup de mots soutenant l’adoption des métavers, notamment ‘besoin’, ‘amour’, ‘droit’, ‘futur’ et ‘nouveau’. En revanche, les tweets négatifs contiennent non seulement des mots tels que « mauvais », « fou » et « ne pas », mais aussi de nombreux mots offensants. Aucun modèle distinct de mots n’est évident dans les tweets de sentiment neutre ».
Ils écrivent également que cela « offre des premiers signes prometteurs pour l’adoption de la technologie des métavers. »
Des études antérieures utilisant l’apprentissage automatique pour déduire le sentiment des métavers à partir de posts sur les médias sociaux ont atteint une précision d’environ 88% dans les benchmarks – ce qui signifie que plus d’un post sur 10 est mal étiqueté ou mal interprété par les modèles.
Les modèles de l’équipe de l’EAU ont atteint une précision de 92,6 % sur un ensemble de données contenant plus de 85 000 messages, ce qui fait de cette étude l’une des analyses les plus détaillées du sentiment du public pour les métavers à ce jour. Il convient toutefois de préciser qu’il s’agit d’une recherche préimprimée et qu’elle n’a donc pas été soumise au processus d’examen par les pairs.
Les recherches futures se concentreront sur d’autres plateformes de médias sociaux, notamment Meta et Reddit, et intégreront des analyses de sentiments hors ligne et traditionnelles, telles que des enquêtes scientifiques, afin de dresser un tableau plus complet.
Les chercheurs admettent également que la recherche actuelle est limitée par la terminologie utilisée pour mener l’étude, à savoir que la portée de leur travail était limitée uniquement aux messages contenant le mot « métavers » et, à ce titre, les discussions sur les médias sociaux portant sur le sujet mais ne contenant pas le mot-clé ont été omises de l’étude.
