MétaCan
Menu
← Retour à la cohorte
Enregistrement W1993710496 · doi:10.5430/ijba.v6n3p25

Crowdsourcing in User-Generated Content Communities: Impact of Online Networks on Perception and Intended Behaviors of Crowd Engagement

2015· article· en· W1993710496 sur OpenAlexvenueno aff
Ali Khalaf Mohammed Al Sukaini, Jing Zhang, Ahmed Ghanim Zghair Albazooni

Notice bibliographique

RevueInternational Journal of Business Administration · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCrowdsourcingViewpointsUser-generated contentUser engagementComputer scienceWorld Wide WebPerceptionContent creationInternet privacySocial mediaData sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Crowd participation on online social platforms can be enhanced by crowdsourcing existence, but can also create an environment in which users are motivated by diversity of activities as sole creators and promoters of products marketing. With the fast growth of online platforms, different users have diverse viewpoints and experiences related to user-generated content (UGC) activities. Whereas previous studies on UGC have mainly hailed from company or firm perspective considering ratings, reviews, social forums, sharing videos and images, our research focuses on user-generated content as add up in crowdsourcing from users’ viewpoints and experiences. In this study, variety of viewpoints of users give better understanding of users’ contributions, their focus and aspirations in user-generated content. This paper explores the extent to which users’ viewpoints on using online forums from visual and non-visual content importance with mediating effects of standardization and potential of content along with moderating effects of crowdsourcing content creation and promotion legacy. We investigated the viewpoints of users on UGC media contribution as additional supplement in crowdsourcing by conducting survey of university students, one of the largest online communities in China. Findings indicate that drivers of the UGC stuff exhibit a stronger influence on crowd engagement in user-generated content networks. Concerning crowdsourcing content consistency, UGC perceptions are moderated more highly for both visual and non-visual content. This study finally crops several implications for both research and practice. Our findings contribute to a better understanding of crowdsourcing all over in user-generated content.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,383
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business Administration→Même sujetDigital Marketing and Social Media→Travaux en français237 207→