Publicaciones racionales o emocionales en comunidades de marca en Facebook - El caso «Starbucks México»
Notice bibliographique
Résumé
El propósito de este artículo es demostrar que las emociones son elementos esenciales de participación entre los miembros de una comunidad de marca en un sitio de redes sociales. Estudiamos las expresiones emocionales dentro de una comunidad de marcas en línea con una metodología mixta basada en un análisis de contenido. Analizamos 77 publicaciones y 13 043 comentarios de miembros de la comunidad de la marca "Starbucks México" en Facebook, publicados entre enero y junio de 2014. Se descubrió que las personas participan más a través de emociones relacionadas con la felicidad, como el amor, pasión y deseo Pero también se detectó que las emociones negativas a menudo se usan para generar participación en relación con la ira, el anhelo y la nostalgia. Este documento incluye la detección de emociones positivas y negativas expresadas en una comunidad de marca en Facebook. Además, exponemos el nivel de participación que generan las emociones, así como la distinción de los elementos emocionales aplicados en la comunicación entre una empresa y los miembros de una comunidad de marca. Nuestro trabajo contribuye a la literatura al señalar que más que la expresión de emociones por sí sola, es la combinación de elementos emocionales y promocionales de la página de marca lo que desencadena un volumen de comunicación más eficaz.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».