LINE as Super App: Platformization in East Asia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article examines the transformative effects of platforms on cultural production through an analysis of the LINE “super app.” Super apps are apps that do-everything; mega-platforms unto themselves. They are particularly prevalent in East Asia. Like China’s WeChat or South Korea’s KakaoTalk, Japan’s LINE has evolved from a single purpose chat app to the do-everything platform for everyday cultural and economic activities. It is also the very reason for the global proliferation of stickers or large-size emoji in other chat apps, from Apple’s iMessage to Facebook’s Messenger to Tencent’s WeChat. This article offers a close examination of LINE to highlight and theorize the process of the “platformization of cultural production.” To do so, it traces Japan’s longer history of platforms going back to the i-mode mobile platform launched in 1999, and examines LINE’s regionally specific sticker-oriented strategies in East Asia. With a focus on the entrepreneurial work of sticker designers as cultural producers, this article also mobilizes LINE to both highlight the specificities of this platform and contest the excessive attention paid to platforms from Silicon Valley, or, at best, their Chinese counterparts. LINE and the regional convergences of super apps in East Asia are a potent reminder of the need to analyze platforms outside of the bi-polar hegemony of the United States versus Chinese tech world—which increasingly frames journalistic discourse and academic research—and of the need to attend to the historical and regional particularities of platforms and their cultural impacts.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découle