MétaCan
Menu
Retour à la cohorte
Enregistrement W2090688602 · doi:10.5430/bmr.v2n2p61

The Countermeasures of Improving the Willingness to Pay for the Pay Channel

2013· article· en· W2090688602 sur OpenAlexvenueno aff
Fanbin Zeng, Xuejuan Dai

Notice bibliographique

RevueBusiness and Management Research · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education of the People's Republic of China
Mots-clésChinaChannel (broadcasting)TelecommunicationsCable televisionBusinessAdvertisingWillingness to payAdministration (probate law)Digital televisionDigital cableState (computer science)Computer scienceEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Along with common use of the digital technology, the development of digital television industry has become the trend of the world. In July 2003, the State Administration of Radio came up with the conversion concept of digital television and approved 33 cities as the first batch of cable digital TV pilot. Since then, the number of cable television subscribers in China has been growing at a high speed, according to the data of the State Administration of Radio and Television. Until the end of January of 2011, China’s digital cable TV users has exceeded 90,000,000, reaching 90,392,000. The degree of wired digitalization reached 48.26%. (The basic users of cable TV were 187,300,000. China digital cable TV users increase steadily, and the level of cable digitalization rises steadily. However, the development of the digital pay channel of China is not so satisfactory. We should pay attention to some problems, for example, the purchase intention of pay channel is not so high in China. Here we are going to summarize the reason that the purchase intention of pay channel is not so high. Besides, we are going to try to find out the countermeasures.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,055
Tête enseignante GPT0,265
Écart entre enseignants0,210 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetDigital Platforms and EconomicsTravaux en français237 207