MétaCan
Menu
Retour à la cohorte
Enregistrement W3125052530

Secret Admirers: An Empirical Examination of Information Hiding and Contribution Dynamics in Online Crowdfunding

2016· article· en· W3125052530 sur OpenAlexaff
Gordon Burtch, Anindya Ghose, Sunil Wattal

Notice bibliographique

RevueSSRN Electronic Journal · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésLeverage (statistics)Internet privacyDatabase transactionBusinessMisinformationIdentity (music)AdvertisingComputer scienceComputer security
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Individuals’ actions in online social contexts are growing increasingly visible and traceable. Many online platforms account for this by providing users with granular control over when and how their identity or actions are made visible to peers. However, little work has sought to understand the effect that a user’s decision to conceal information might have on observing peers, who are likely to refer to that information when deciding on their own actions. We leverage a unique impression-level dataset from one of the world's largest online crowdfunding platforms, where contributors are given the option to conceal their username or contribution amount from public display, with each transaction. We demonstrate that when campaign contributors elect to conceal information, it has a negative influence on subsequent visitors’ likelihood of conversion, as well as on their average contributions, conditional on conversion. Moreover, we argue that social norms are an important driver of information concealment, providing evidence of peer influence in the decision to conceal. We discuss the implications of our results for the provision of online information hiding mechanisms, as well as the design of crowdfunding platforms and electronic markets more generally.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,246
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations62
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207