Revisiting the Role of Critical Reviews in Film Marketing
Notice bibliographique
Résumé
This paper examines the impact of user generated content on film consumption choices. To date, a number of studies have addressed the impact of critical reviews on the performance of films at the box office. These studies were situated in a film marketing environment which preceded web 2.0 and the proliferation of user generated reviews which have resulted from the development of web 2.0 technologies. Literature on the impact which professional reviewers have on consumption of film (and other art forms) has developed separately from considerations of word of mouth. Word of mouth has been acknowledged as a key influencer for arts audiences and prior to the development of user generated content media, such word of mouth has been limited to actual friendship/ peer groups and could be seen as geographically and socially bounded. The development of the user generated review and the increasing importance of sites hosting such reviews can be viewed as a merging of the realms of the professional and amateur critic. This study uses a two stage method of analysis in order to explore the impact which such user generated reviews on the process of consumer choice. Through content analysis of user generated reviews on popular film websites as well as qualitative data collection concerned with consumer selection of film, we have evaluated the impact of user generated content on film choice. This study has implications for film consumers in terms of assisting them in selecting artistic products which fit with their tastes and for film professionals who need to understand how to navigate this new emerging terrain. The aim of this study was to (1) map out how film consumers search for and use reviews in the online environment and to (2) assess how this has changed the influence of and influencers in the area of critical reviews.
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 | 0,008 | 0,007 |
| 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 | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».