MétaCan
Menu
Retour à la cohorte
Enregistrement W3046895606 · doi:10.7903/cmr.20095

Social Media Presence and Organizational Performance: An Empirical Study on Companies’ Presence on Twitter

2020· article· en· W3046895606 sur OpenAlexaffabout
Nivo Ravaonorohanta, Michel Sayumwe

Notice bibliographique

RevueContemporary Management Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensUniversité du Québec à MontréalUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésSocial mediaBusinessMarketingSample (material)Competitive advantageEmpirical researchMedia managementRelevance (law)

Résumé

récupéré en direct d'OpenAlex

Social media has garnered increased attention amongst individuals and organizations. At organizational levels, social media gives companies a way to connect with the market in a real-time manner. It becomes an essential component of marketing and business. However, the economic advantage of the presence of companies on social media platforms remains hardly studied. In this research, we focus on the economic relevance of being on social media, and more specifically on Twitter, at firm levels. With a sample of 227 Canadian companies listed on the Toronto Stock Exchange (TSX), we analyze the relationship between corporate performance and the company’s presence on Twitter. Our results suggest that companies can realize a competitive advantage in having social media presence. Indeed, companies that are active on Twitter stand out for their performance; either we measure corporate performance by stock market performance or by return on assets (ROA). Our results highlight the benefits of being active on social media.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,924

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,292
Tête enseignante GPT0,444
Écart entre enseignants0,152 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContemporary Management ResearchMême sujetDigital Marketing and Social MediaTravaux en français237 207