Release of the Fourth Season of Money Heist: Analysis of Its Social Audience on Twitter during Lockdown in Spain
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.
Notice bibliographique
Résumé
Nowadays we are witnessing a significant change in content consumption. This, together with the global health situation, has caused some behaviors to accelerate. This research focuses on the specific case of the lockdown in Spain and the coincidence with the launch of the fourth season of Money Heist compared to the launch of season three. Starting with a review of the theoretical framework, in which the related concepts of coronavirus, television, and Video on Demand (VOD) platforms are presented, the importance of transmedia communication is also introduced. The methodological aspect is developed through content analysis and in-depth interviews. The tool used on the first methodology has been Twlets. With regard to the sources, the specific bibliography of the audiovisual sector, the official profile of the series on Twitter and personal interviews with professionals from the communication department of the production company, Vancouver Media, and from the series directing were taken into account. The methodology used to carry out this work has been the analysis of quantitative–qualitative content of the various sources consulted. The results of the study are presented in graphs, crossing the data from the different sources to detect the strategies of marketing and communication used for the release of the fourth season of the series. These results reflect the change in the communication strategy, the behavior of the social audience of the Twitter account of Money Heist (La Casa de Papel) and its relationship with the period of lockdown in Spain.
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 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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle