Detailergebnis zu DOK-Nr. 77050
YouTube als Informationsquelle für das Verständnis der Konsumenten von autonomen Fahrzeugen: Studie zur Verarbeitung natürlicher Sprache (Orig. engl.: YouTube as a source of information in understanding autonomous vehicle consumers: natural language processing study)
| Autoren |
S. Das A. Dutta T. Lindheimer M. Jalayer Z. Elgart |
|---|---|
| Sachgebiete |
0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 6.7.2 Verkehrsbeeinflussung außerorts, Verkehrsmanagement, Fahrerassistenzsysteme |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2673, H. 8, 2019, S. 242-253, 6 B, 3 T, 38 Q. - Online-Ressource: Verfügbar unter: http://journals.sagepub.com/home/trr
Die Automobilindustrie erlebt derzeit mit der Einführung und dem Einsatz autonomer Fahrzeuge eine Revolution. In mehreren Ländern werden autonome Fahrzeuge in großem Maßstab auf privaten und sogar öffentlichen Straßen getestet. Es ist wichtig, die Einstellungen und potenziellen Bedenken der Endnutzer gegenüber autonomen Fahrzeugen zu untersuchen, bevor diese in großem Umfang eingesetzt werden. Um den Übergang zu autonomen Fahrzeugen zu erleichtern, produziert die Automobilindustrie viele Videos über ihre Produkte und Technologien. Die größte Video-Sharing-Website, YouTube.com, enthält viele Videos über autonome Fahrzeugtechnologie. Die Inhaltsanalyse und das Textmining der Kommentare zu den Videos mit einer großen Anzahl von Aufrufen können Aufschluss über das potenzielle Feedback der Endnutzer geben. In der Studie werden zwei Fragen untersucht: Erstens, wie sehen die Menschen autonome Fahrzeuge und zweitens, welche Polaritäten gibt es hinsichtlich des Inhalts und des Automatisierungsgrads? Die Forschenden fanden 107 Videos auf YouTube mithilfe einer Suche nach verwandten Schlüsselwörtern und untersuchten die Kommentare zu den 15 meistgesehenen Videos, die insgesamt 60,9 Millionen Aufrufe und rund 25 000 Kommentare aufwiesen. Die Videos wurden manuell anhand ihres Inhalts und ihres Automatisierungsgrads in Gruppen eingeteilt. In der Studie wurden zwei Tools zur Verarbeitung natürlicher Sprache (neurolinguistisches Programmieren, NLP) eingesetzt, um Wissen aus einer Sammlung von etwa sieben Millionen Wörtern zu ermitteln. Die wichtigsten Themen in den Kommentaren betrafen vor allem Effizienz, Leistung, Vertrauen, Komfort und Sicherheit. Die Wahrnehmung von Sicherheit und Risiko nahm in den Kommentaren zu, wenn die Videos den vollen Automatisierungsgrad zeigten. Die Stimmungsanalyse zeigt gemischte Gefühle gegenüber autonomen Fahrzeugtechnologien, wobei die positiven Gefühle höher waren als die negativen.