MétaCan
Menu
Retour à la cohorte
Enregistrement W2503025071 · doi:10.4018/978-1-4666-5194-4.ch001

Marketing Meets Social Media

2014· book-chapter· en· W2503025071 sur OpenAlexaff
Anteneh Ayanso, Kaveepan Lertwachara, Brian Mokaya

Notice bibliographique

RevueAdvances in social networking and online communities book series · 2014
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésDigital marketingOnline advertisingBusinessThe InternetLeverage (statistics)Social mediaMarketingAdvertisingDigital mediaWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

In Internet marketing, organizations leverage the Internet and related technologies to promote themselves, their products, their services, and their brands. In virtually all sectors, recent advances in Web technologies have dramatically changed the nature and volume of Internet marketing. Competition in online advertising is currently very intense as organizations have shifted their focus from print and other traditional advertising media to emails, search engines, and social media outlets for most of their promotional activities. However, due to the growing convergence of digital technologies, distinguishing one form of online marketing from another is becoming increasingly difficult. The current practice shows that there is a significant overlap of technologies as well as activities in most of the online marketing and advertising outlets. This chapter attempts to provide a classification of the major forms of Internet marketing (or online advertising) available, and discuss the key technological trends, practices, and academic research in each area. In particular, the chapter highlights the changing trends in Internet marketing due to recent developments in Web 2.0 and social media technologies.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,501

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,005
Communication savante0,0180,021
Science ouverte0,0010,008
Intégrité de la recherche0,0070,004
Charge utile insuffisante (le modèle a refusé de juger)0,1500,072

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 Opus0,030
Tête enseignante GPT0,292
Écart entre enseignants0,262 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in social networking and online communities book seriesMême sujetDigital Marketing and Social MediaTravaux en français237 207