MétaCan
Menu
Retour à la cohorte
Enregistrement W3161430098 · doi:10.3389/fspor.2021.658293

An Analysis of Broadcasting Media Using Social Media Engagement in the WNBA

2021· article· en· W3161430098 sur OpenAlexaff
Ann Pegoraro, Heather Kennedy, Nola Agha, Nicholas Brown, David J. Berri

Notice bibliographique

RevueFrontiers in Sports and Active Living · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésLeagueSocial mediaBroadcasting (networking)AdvertisingMedia consumptionConsumption (sociology)AthletesEmpirical researchPsychologyProduct (mathematics)Public relationsBusinessSociologyPolitical scienceComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

While there has been research into what teams, leagues, and athletes post on social media and the impact of post content on social media engagement, there is limited understanding and empirical research on the impact of broadcasting media on social sport consumption. There are an increasing number of new media through which sport leagues can distribute their content to fans. This research examines the impact of different broadcast platforms on game day engagement with WNBA team Twitter accounts. Using data for the 2016-2018 seasons, results indicate athlete/team quality and performance were positively associated with post engagement, underscoring the importance of the core sport product and potentially indicating that the WNBA is developing a star-driven culture similar to the NBA. In addition, broadcasting on League Pass or local TV (for home teams) and Twitter were associated with lower post engagement suggesting we have more to learn about maximizing online engagement.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,307
Écart entre enseignants0,268 · 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.

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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Sports and Active LivingMême sujetSports, Gender, and SocietyTravaux en français237 207