# Verifique como legendas ausentes do TikTok alteram sua amostra de pesquisa

Audite todos os vídeos selecionados e, em seguida, mostre o quanto o resultado poderia mudar sob hipóteses explícitas de desfechos ausentes. Legendas ausentes podem mudar o resultado de um estudo de conteúdo se a disponibilidade se relacionar ao conteúdo ou aos grupos da amostra. Um subconjunto de sucesso retornado não prova ausência aleatória.

Um Actor é um programa hospedado de coleta de dados, e uma tarefa é uma predefinição de entrada salva. Um código binário atribui o valor zero ou um a cada vídeo.

## Limites da ferramenta e campos nativos

A compilação pública atual 0.1.36 do TikTok Transcript aceita startUrls com 1 a 100 URLs públicas conhecidas de vídeo, links curtos ou IDs numéricos de vídeo. Ela não pesquisa perfis, palavras-chave nem páginas de som. preferredLanguages seleciona faixas públicas existentes na ordem de preferência, enquanto uma lista vazia usa a primeira faixa pública. Ela não traduz, não transcreve áudio não capturado, não coleta comentários nem infere códigos de conteúdo.

Uma linha do conjunto de dados representa cada entrada enviada, inclusive desfechos de status não faturáveis. Os campos exatos incluem inputIndex, inputUrl, videoId, videoUrl, authorHandle, durationSeconds, languageCode, text, segments com startSeconds, endSeconds e text, status, statusReason, isBillable e scrapedAt. Preserve os IDs de vídeo como strings. O idioma da legenda pode usar um valor regional, como eng-US. Transcrição nula ou vazia com status de falha não pode ser tratada como evidência de que o vídeo não contém fala.

Os status incluem succeeded, no_public_captions, language_unavailable, duplicate_input, not_tiktok, invalid_input, unsupported_url, video_unavailable, not_public, blocked_or_challenged e falhas de extração ou de legenda. O sucesso exige text não vazio. isBillable true significa um evento de resultado de transcrição nativa bem-sucedido, mas as outras linhas continuam sendo evidência. O uso da plataforma é separado de um evento de resultado, portanto não diga que a execução inteira é gratuita. Os campos de OUTPUT inputsReceived, resultRows, billableTranscriptRows, nonBillableResultRows, duplicateVideosSkipped e statusCounts são contabilidade da execução, não representatividade da amostra.

O controle atual em inglês de um vídeo teve sucesso com o ID exato do vídeo solicitado, text não vazio e doze segmentos do formato de tempo verificado. Isso prova um caminho de legenda pública nessa fonte, não em todos os vídeos, nem precisão perfeita das palavras faladas, nem validade da codificação. Substitua toda a lista da amostra por um vídeo conhecido pretendido, defina preferredLanguages como `["en"]` somente para estudo em inglês ou deixe vazio para a primeira faixa pública.

## Oito passos para delimitar dados ausentes

1. Comece pelo [registro de vídeos selecionados](/pt-BR/articles/preparar-dados-de-transcri%C3%A7%C3%A3o-do-tiktok/), incluindo cada vídeo conhecido pretendido. Remova a duplicidade dos IDs de vídeo conhecidos sem descartar a evidência de desfecho da entrada. Declare a população-alvo e um código binário de conteúdo por vídeo antes dos cálculos.
2. Mantenha os desfechos distintos: legenda elegível validada, legenda ausente, idioma solicitado indisponível, falha temporária ou de acesso à fonte, entrada não suportada, duplicata e validação não resolvida. Uma falha da fonte não é evidência de que o vídeo não tem legendas. Exclua entradas genuinamente inválidas ou fora do escopo pela regra declarada; não as misture com desfechos ausentes dentro do escopo.
3. Defina N como os vídeos únicos elegíveis selecionados, K como aqueles com um resultado de código verificado, P como os códigos positivos verificados e M como os desfechos elegíveis desconhecidos, iguais a N menos K. Reconcilie esses números. Trate uma legenda com falha ou vazia como um código desconhecido, não como negativo. Erros de validação também podem tornar desfechos desconhecidos.
4. Informe a fração do subconjunto de sucesso observado, P dividido por K, somente quando K for maior que zero. Rotule-a como tal. Informe a fração ausente, M dividido por N, somente quando N for maior que zero. Esses são denominadores diferentes. Se nenhum desfecho estiver verificado, não divida por zero nem faça uma afirmação de conteúdo.
5. Calcule limites binários sem hipóteses para a amostra elegível selecionada: o inferior P/N supõe que todo desconhecido é código zero, e o superior (P+M)/N supõe que todo desconhecido é código um. Declare que esses são intervalos lógicos para esta amostra selecionada, não um intervalo de confiança, uma probabilidade de verdade nem uma estimativa de todo o TikTok. Um intervalo de confiança descreve a incerteza amostral sob um modelo; este intervalo descreve desfechos desconhecidos.
6. Para uma comparação de grupos planejada, calcule o mesmo registro e os mesmos limites para cada grupo. Se os intervalos se sobrepõem, desfechos ausentes podem inverter ou apagar a ordenação aparente; a sobreposição sozinha não é um teste de significância estatística. Registre qualquer afirmação que sobrevive a todas as atribuições permitidas versus uma que depende de hipóteses.
7. Investigue a disponibilidade por idioma declarado, criador ou período, se esses atributos da fonte forem conhecidos. Diferenças são sinais descritivos, não prova de um mecanismo. Corrija entradas inválidas e inspecione falhas da fonte em um processo delimitado. Não substitua conteúdo de vídeo indisponível por texto traduzido ou gerado sem mudar e documentar o método de medição.
8. Declare a conclusão do estudo no escopo sustentado. Se os limites forem amplos demais para a decisão de pesquisa, busque desfechos validados ou estreite a pergunta. Não amplie o conjunto de dados em silêncio ao selecionar apenas sucessos fáceis de legenda.

## Exemplo resolvido ficcional original

Todos os exemplos abaixo usam dados ficcionais originais e não vêm de uma fonte real do TikTok.

Um estudo ficcional seleciona vinte vídeos únicos elegíveis. Doze têm desfechos de código validados, dos quais sete são positivos. Oito desfechos permanecem desconhecidos por motivos distintos de legenda, acesso ou validação.

A fração observada é 7/12=58,3%. A fração ausente é 8/20=40%. Os limites da amostra selecionada são 7/20=35% e (7+8)/20=75%. Assim, 35 por cento a 75 por cento é o intervalo lógico da proporção do código sob desfechos desconhecidos arbitrários, não um intervalo estimado de acurácia. Não informe 58,3 por cento como a proporção verificada de toda a amostra selecionada.

### Registro ficcional e limites por grupo

| Grupo | N selecionado | K conhecido | P positivo | M desconhecido | Fração conhecida | Limite inferior | Limite superior |
| --- | --- | --- | --- | --- | --- | --- | --- |
| Grupo A | 10 | 8 | 5 | 2 | 62,5 por cento | 50 por cento | 70 por cento |
| Grupo B | 10 | 4 | 2 | 6 | 50,0 por cento | 20 por cento | 80 por cento |
| Total | 20 | 12 | 7 | 8 | 58,3 por cento | 35 por cento | 75 por cento |

A ordem apenas dos conhecidos, em que o Grupo A é maior que o Grupo B, não é robusta. Atribua os desconhecidos do Grupo A como negativos e os desconhecidos do Grupo B como positivos para obter 50 por cento contra 80 por cento. A atribuição oposta dá 70 por cento contra 20 por cento. Reconcilie Grupo A mais Grupo B: vinte selecionados, doze conhecidos, sete positivos, oito desconhecidos.

### Registro de motivos de ausência

| grupo | status nativo | validação manual | pertencimento à amostra elegível | contagem de desconhecidos |
| --- | --- | --- | --- | --- |
| A | no_public_captions | desconhecido | elegível | 1 |
| A | blocked_or_challenged | desconhecido | elegível | 1 |
| B | no_public_captions | desconhecido | elegível | 2 |
| B | language_unavailable | desconhecido | elegível | 2 |
| B | blocked_or_challenged | desconhecido | elegível | 1 |
| B | succeeded | validação não resolvida | elegível | 1 |

Entradas inválidas ou fora do escopo e observações duplicadas ficam fora do N único elegível; não são vídeos desconhecidos extras.

## Próxima ação

Comece sua análise de dados auditando seu registro de vídeos selecionados com o Actor [TikTok Transcript Scraper](https://apify.com/chronometrica/tiktok-transcript-scraper) e a tarefa [Batch TikTok Transcript Extraction](https://apify.com/chronometrica/tiktok-transcript-scraper/examples/batch-tiktok-transcript-extraction) para reconciliar N, K, P e M antes de qualquer comparação de grupos.

## Fontes e leituras adicionais

- [Discussão do CompSocial no Reddit sobre coleta de transcrições do TikTok](https://www.reddit.com/r/CompSocial/comments/1h1zijh/help_needed_scraping_tiktok_video_transcripts_for/)