Examining fan engagement through social networking sites
Notice bibliographique
Résumé
Purpose The purpose of this paper is to conceptualise and measure the construct of fan engagement through social networking sites (SNS). Design/methodology/approach A multi-stage procedure was completed to validate the proposed fan engagement through SNS model with three first-order constructs (fan-to-fan relationships, team-to-fan relationships and fan co-creation). First, a preliminary analysis of the proposed items to capture fan engagement through SNS was conducted through expert review. Second, an assessment of item reliability and construct validity was completed using confirmatory factor analysis (CFA). Finally, CFA and subsequent structural equation model were conducted to review the psychometric properties and to test the relationships between the proposed construct with online and offline behavioural intentions. Findings The results indicate good psychometric properties of the constructs of fan-to-fan relationships, team-to-fan relationships and fan co-creation, and these three constructs were significantly related with the second-order construct of fan engagement through SNS. Additionally, the construct of fan engagement through SNS was significantly related to both online and offline behavioural intentions. Practical implications These findings suggest that teams should use SNS to interact with fans, to allow fans to share experiences and to involve fans in co-creation processes aimed at increasing engagement and subsequent positive behavioural intentions towards the team. Originality/value This study extends previous research by measuring fan engagement through SNS as a multidimensional construct, and testing its predictive effect on fans’ online and offline behavioural intentions. Several suggestions for future studies and strategies for increasing fan engagement can be drawn from this 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».