Curious case of Rotten Tomatoes : Effects of quality signalling in the US domestic motion picture market.
Notice bibliographique
Résumé
Quality signalling in motion picture markets is hardly a new topic. It has been covered by many researchers over the years. However, most of the previous studies focused on quality signals in interactions between moviemakers and moviegoers. This study employs a more holistic approach as the author attempts to evaluate effects of quality signals throughout different stages of movies’ life cycle. The author has identified three audiences that movies are presented to; and, each group of audience generates a quality signal for the next audience. Based on the feedback from test audiences, moviemakers decide on when to show movies to professional critics and when to allow them to publish their reviews. Interpretation of these timelines become quality signals for the professional critics who interpret shorter time slot for review publication as a signal of the low quality of the movie and vice versa. Professional critics write their reviews which when published on review aggregators become quality signals for the moviegoers. Reviews generated by the initial moviegoers are interpreted by the moviegoers who intend to watch movies at a later stage. All three assumptions are operationalised and evaluated in a series of linear regression tests in this research on a sample containing 130 out of 134 widely released movies in the US and Canada domestic market in 2017. All of the abovementioned quality signals found to be significant as they could explain at least 40 % of the variance of respective response variables.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».