MétaCan
Menu
Retour à la cohorte
Enregistrement W3087953246

Strategic Categorization, Category Bundle, and Typecasting: Three Essays on Product Categorization

2020· dissertation· en· W3087953246 sur OpenAlexaboutno aff
Jie Yang

Notice bibliographique

RevueYork University Digital Library (York University) · 2020
Typedissertation
Langueen
DomaineComputer Science
ThématiqueAdvanced Text Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Southern California
Mots-clésCategorizationProduct (mathematics)Product categoryBundleComputer scienceArtificial intelligenceMathematicsMaterials science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Categories are social agreements about the meanings of labels applied to products. Categories serve as the basis for market interaction: audiences use categories to make sense of the products offered to them, producers apply product categories in marketing activities to reach their target customers, and market intermediaries refer to prototypical categories in assessing the quality of products. As a widely used sociocognitive concept, categorization has accrued prominence in research and practice, with researchers investigating the social and economic impacts of categorization and practitioners probing superior categorization strategies that optimize their economic returns. However, current strategic management and organization theory research has achieved limited success in expounding on how organizations strategically manipulate category labels to acquire excess returns and how audiences process categorical information in assessing the products to which they are exposed. This dissertation joins the ongoing dialogue on categorization and contributes to the literature by offering three essays that respectively address three understudied questions. First, how do producers manipulate the categorical perception of the audiences for their offerings? Second, how do audiences handle the interconnected relationships between categories when they classify products in the market? Last, how do the market identities imposed on market candidates persistently affect their career development? I chose the feature film industry in North America (Canada and the U.S.) as the empirical setting for my dissertation, since a dominant category system, film genres, significantly affects the market success of all film market participants. The genre labels associated with a film shape moviegoers consumption decisions, and the categorical perception of moviegoers of an actor/actress has considerable impacts on the actors/actresss career advancement. Using a gigantic database of feature film projects that were exhibited in theaters in the U.S. and Canada from 1990 to 2015, I construct three unique datasets that are respectively used to test my hypotheses and answer my research questions at the film, genre, and actor levels. I summarize my key findings as follows. This dissertation contributes to category, labor market, and strategic management research.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,906
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,005
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,017
Tête enseignante GPT0,184
Écart entre enseignants0,167 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYork University Digital Library (York University)Même sujetAdvanced Text Analysis TechniquesTravaux en français237 207