MétaCan
Menu
Retour à la cohorte
Enregistrement W3048361030 · doi:10.3386/w27649

Assessing the Quality of Illegal Copies and its Impact on Revenues and Distribution

2020· report· en· W3048361030 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typereport
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCopyright and Intellectual Property
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEstimationRevenueQuality (philosophy)Distribution (mathematics)EconometricsStatisticsMotion (physics)Computer scienceEconomicsMathematicsArtificial intelligenceFinance

Résumé

récupéré en direct d'OpenAlex

Conventional wisdom holds that illegal copies cannibalize legitimate sales, even though previous research has found mixed effects, with illegal copies acting as both a substitute and complement. Yet, a relatively unexamined aspect to date is the quality of illegal copies. Building on product uncertainty and production quality, we propose that higher quality copies can benefit sales when product uncertainty is high, such as during the launch period. Using motion picture and online piracy data, we estimate piracy quality using a latent item response theory (IRT) model based on keyword signals in the copies. An interdependent system jointly estimates movie screens, revenues, downloads, and available illegal copies with piracy quality in both the launch and postlaunch periods. We find that at launch, when rather little is known about the movie, higher quality illegal copies demonstrate a positive effect on revenues (sampling). In the post-launch period, however, higher quality illegal copies exhibit a negative effect on revenues (substitution). The findings suggest producers can alleviate product uncertainty through higher quality samples at product launch while diluting piracy quality post-launch.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,679
Score d'incertitude au seuil0,470

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,472
Tête enseignante GPT0,543
Écart entre enseignants0,071 · 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