Understanding the social structure of television audiences: three essays
Notice bibliographique
Résumé
Essay 1: “Measuring group viewing in television audiences”. Group viewing (GV) has been shown to increase enjoyment of television programs, to affect viewers’ intention to watch and to mediate cognitive processing of advertisements. We propose a simple measure of GV that can be easily incorporated by ratings measurement companies, and apply it to a unique Mexican people meter data set to show how demographic, psychographic and program content characteristics affect the level of GV. Furthermore, we show that consequences of GV include increasing individual viewership and reduced channel switching, and that these effects interact with group composition. Essay 2: “Group viewing and spousal preferences as predictors of individual preferences of Mexican television viewers”. We investigate the impact of GV on individual television consumption while accounting for other mutual influences between the members of the specific group consisting of husband and wife. Our findings indicate that most mutual influences between wives and husbands stem from GV. The residual influences are small although interesting: husbands’ influence on wives’ preferences becomes negative once group viewing is accounted for, but wives’ influence on husbands’ remains positive. We discuss consistency of these findings with past research and their implications for marketers and broadcasters. Essay 3: “Television auditoria: Hierarchical networks meet consumption systems”. Most empirical research on television audiences has framed audiences as demand sides of markets made up by unrelated individuals, while scholarship in communication has not delivered a unified theory of audiences. We present an empirically-grounded framework from a systems perspective, where television audiences and channels form broader systems we call auditoria. The sub-system audience is specified as a hierarchical network while the subsystem source (channels) is specified as a consumption system, building on extant marketing theory. We identify emerging properties of auditoria which explain consistent findings in the literature and allow us to formulate theoretical propositions. Findings from essays 1 and 2 are integrated into the proposed framework.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».