Stabilising collaborative consumer networks: how technological mediation shapes relational work
Notice bibliographique
Résumé
Purpose This paper aims to examine the role of technology in shaping the interplay between intimate and economic relations in collaborative consumer networks (CCNs). Design/methodology/approach This research is based on a three-year participatory netnographic and ethnographic field study of hosts, guests and community members within the Airbnb home-sharing network in New Zealand. The data consist of interviews, online and offline participant observations and brief discussions onsite (large-scale Airbnb events, host meetups and during Airbnb stays). Findings The findings reveal how technologies shape the relational work of home-sharing between intimate and economic institutions through grooming, bundling, brokerage, buffering and social edgework. This paper proposes a framework of triadic relational work enacted by network actors, involving complex exchange structures. Research limitations/implications This study focusses on a single context – a market-mediated home-sharing platform. The findings may not apply to other contexts of economic and social exchanges. Practical implications The study reveals that the construction of specific relational packages by Airbnb hosts using their digital technologies pave a path for home-sharing to skirt the norms of the home as a place of intimacy and the market as a place for economics. This allows these two spheres to flourish with little controversy. Originality/value By augmenting Zelizer’s relational work, this study produces theoretical insights into the agentic role of technology in creating and stabilising a CCN.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,022 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».