What a Multimodal Information Density Shapes Audience Engagement: Evidence from Sports Event Mascot Short-Form Videos
認知負荷理論に基づき、本研究はBilibiliにおける173本のスポーツマスコットの短尺動画を分析し、視覚的、テキスト的、および聴覚的な情報の密度が視聴者の「いいね」と逆U字型の関係にあることを明らかにするとともに、テキスト密度が全体として最も影響力を持つものの、その影響は動画のソースタイプによって調整され、公式コンテンツはテキストを、ユーザー生成コンテンツは視覚および聴覚要素を好む傾向にあることを示している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現代のデジタルライフという混雑した風景の中で、短尺動画は人々が物語、ニュース、エンターテインメントを消費する主要な手段となっています。数秒から数分という非常に短いこれらのクリップは、極めて小さな時間の窓の中に、驚くほどの量の感覚的な入力を詰め込んでいます。それらは、動く映像、文字、そして音を組み合わせることで、注意を引きつけようとします。しかし、人間の脳が一度に処理できる情報の容量には限りがあります。もし動画が一度に多すぎる情報を提示してしまうと、視聴者は圧倒されてしまい、研究者が「認知負荷（コグニティブ・オーバーロード）」と呼ぶ状態、つまり精神がデータの洪水に意味を見出すのに苦慮する状態に陥ります。これはコンテンツ制作者にとって繊細なバランス調整となります。彼らは、興味深く明確であるために十分な詳細を提供しなければなりませんが、同時に視聴者が飽きてしまわない程度に留めなければなりません。その境界線がどこにあるかを理解することは、ペースの速いデジタル世界で効果的にコミュニケーションを図ろうとするすべての人にとって極めて重要です。
成都理工大学の研究チームは、このバランスにおける「スイートスポット（最適点）」を見つけ出すべく、特にスポーツイベントのマスコットが短尺動画の中でどのように提示されているかに着目しました。かつてはポスターやグッズに見られる静止した象徴であったマスコットは、独自のデジタルコンテンツで主役を務めるダイナミックなキャラクターへと進化しました。研究者たちは、これらの動画における視覚、テキスト、音声情報の総量が、人々が「いいね」ボタンを押すかどうかにどのように影響するかを知りたいと考えました。彼らは、中国の若く活発なユーザー層で知られる人気動画プラットフォームであるBilibiliから収集された、公式スポーツマスコットが登場する173本の動画に焦点を当てました。研究では、3種類の情報密度を調査しました。すなわち、1秒間に発生する視覚的な変化の数、タイトル・字幕・流れるコメントに現れるテキスト量、そしてリズムや音量の変化という観点からの音声の激しさです。
研究者たちは、これら3種類の情報すべてが動画の人気に役割を果たしていることを発見しましたが、それらは単純な直線的な関係ではありません。初期段階では、視覚的な詳細、テキスト、あるいはダイナミックな音を増やすことは、動画をより魅力的なものにします。視聴者は、これらの要素が提供する豊かさと追加の文脈を好みます。しかし、このプラスの効果には限界があります。研究によれば、情報密度がある閾値を超えると、その関係は反転します。この地点を超えてさらに情報を追加すると、実際には「いいね」の数は減少します。これは「逆U字型曲線」を描いており、それぞれのメディアの種類に対して最適な情報の量が存在することを示唆しています。少なすぎると視聴者を退屈させたり混乱させたりしますが、多すぎると精神的な疲労を引き起こし、動画の楽しさを損なわせます。
興味深いことに、情報の種類によって、他の要素よりも影響力が異なります。タイトル、説明、そして「弾幕」として知られる流れるコメントを含むテキスト情報は、動画が「いいね」されるかどうかに最も強い影響を与えていました。これは、マスコットのコンテンツにおいては、キャラクターの背後にある物語や文化的意味を説明することが、エンゲージメントを高めるための最も強力なツールであることを示唆しています。視覚情報は重要ではあるものの、密度が高くなりすぎた際の人気の低下が最も顕著でした。これは、人々がマスコットの動きや変化を見ることを好む一方で、脳が処理できる視覚的な変化には限界があり、あまりに多いと気が散ってしまうことを示しています。音声密度も同様のパターンを辿り、適度なリズム感のある音や音量の変化は助けとなりますが、過度なノイズや複雑さは視聴者の体験を損なう結果となりました。
また、研究は動画のソース（発信元）によって、これらのルールがどのように適用されるかも明らかにしました。スポーツ委員会のような公式組織によって作成された動画の場合、視聴者はテキスト密度が高い状態に最も好反応を示します。このような公式の文脈において、オーディエンスは正確な情報や文化的背景を求めているため、詳細な記述による説明が非常に価値があるとされます。逆に、一般ユーザーによって作成された動画の場合、オーディエンスは視覚的および聴覚的な手がかりに対してより強く反応します。ユーザー生成コンテンツは、娯楽や感情的なつながりのために視聴されることが多いため、音楽のエネルギーや画像の動きが、書かれた事実よりも重要になるのです。この区別は、「マスコット動画を作るためのワンサイズ・フィッツ・オール（万能な）戦略」は通用しないことを意味しています。戦略は、誰が動画を作っているのか、そしてオーディエンスが何を期待しているのかに応じて変えなければなりません。
最終的に、この研究はコンテンツ制作者に対して明確なガイドラインを提供しています。エンゲージメントを最大化するために、制作者は中程度の情報密度を目指すべきであり、あらゆる瞬間を最大限の強度で詰め込もうとする誘惑を避けるべきです。公式アカウントにとっては、マスコットの重要性を視聴者に理解させるための、明確で有益なテキストが優先事項となります。独立したクリエイターにとっては、感覚的な体験へと焦点を移し、ダイナミックな視覚効果やリズム感のある音声を用いて感情的なつながりを構築すべきです。人間の注意力の限界を尊重し、コンテンツの発信元に合わせて内容を調整することで、制作者はマスコット動画を、圧倒的なものにするのではなく、魅力的なものに保つことができるのです。この研究結果は、短尺動画の世界においては、単にコンテンツを積み上げるよりも、質とタイミングがはるかに重要であることを裏付けています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。