Notice bibliographique
Résumé
A major concern among advertisers and media managers is the measurement of net audience coverage achieved by an advertising campaign over time and across combinations of publications. Measures of audience exposure for combinations of publications have been shown to be more accurate when based on audience segments associated with each publication than when based on aggregate exposure to all the publications in the group. This thesis argues that the concept of duplication among audience segments associated with a combination of individual publications is equally applicable to the segments associated with the sections of a single publication. Accordingly, it is the objective of this thesis to demonstrate that audience measures based on audience segments associated with sections of a publication are superior to those measures based on aggregate exposure to that publication. The fundamental measures of audience exposure are un-duplicated audience or net reach, duplicated audience and average frequency of exposure. The relationships among these measures were developed in a theoretical model of intersection duplication. The model was then applied to data drawn from a recent study on a major Canadian newspaper. As any application of the segmented audience concept depends on a simple and accurate method of estimating net reach for a combination of sections, considerable effort was expended to describe recent research concerning estimation of net reach for combinations of publications and to relate such research to the objectives of this thesis. It was concluded that segmented audience data are superior to aggregate data as a basis for audience measurement, and therefore, an advertiser must evaluate, according to advertising objectives, the placement of his advertisements and the inherent trade-off between net reach and frequency for a given advertising campaign. The paper closes with some suggestions for further study.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».