Embeddedness, Prosociality, and Social Influence: Evidence from Online Crowdfunding1
Notice bibliographique
Résumé
This paper examines how (1) a crowdfunding campaign’s prosociality (the production of a public versus private good), (2) the social network structure (embeddedness) among individuals advocating for the campaign on social media, and (3) the volume of social media activity around a campaign jointly determine fundraising from the crowd. Integrating the emerging literature on social media and crowdfunding with the literature on social networks and public goods, we theorize that prosocially, public-oriented crowdfunding campaigns will benefit disproportionately from social media activity when advocates’ social media networks exhibit greater levels of embeddedness. Drawing on a panel dataset that combines campaign fundraising activity associated with more than 1,000 campaigns on Kickstarter with campaign-related social media activity on Twitter, we construct network-level measures of embeddedness between and amongst individuals initiating the latter, in terms of transitivity and topological overlap. We demonstrate that Twitter activity drives a disproportionate increase in fundraising for prosocially oriented crowdfunding campaigns when posting users’ networks exhibit greater embeddedness. We discuss the theoretical implications of our findings, highlighting how our work extends prior research on the role of embeddedness in peer influence by demonstrating the joint roles of message features and network structure in the peer influence process. Our work suggests that when a transmitter’s message is prosocial or cause-oriented, embeddedness will play a stronger role in determining influence. We also discuss the broader theoretical implications for the literatures on social media, crowdfunding, crowdsourcing, and private contributions to public goods. Finally, we highlight the practical implications for marketers, campaign organizers, and crowdfunding platform operators.
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 | 0,005 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».