MétaCan
Menu
Retour à la cohorte
Enregistrement W3183583022 · doi:10.3390/jrfm14080347

Digital Marketing Effects of Clubhouse on Crowdfunding in the Context of COVID-19

2021· article· en· W3183583022 sur OpenAlexvenueno aff
Peter Konhäusner, Robert Seidentopf

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaContext (archaeology)NoveltyMarketingPopularityPromotion (chess)Digital marketingAdvertisingBusinessPublic relationsInternet privacyPsychologyComputer sciencePolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In the marketing mix, promotion is mentioned as using the communication channels available to present and market the product or service at hand. In recent years, social media has risen as an influential marketing communication channel in digital space. Apart from end-to-end direct messengers and video communication in times of the COVID-19 pandemic, the social media channel Clubhouse offers an audio-only experience. The current research lacks analysis of the potential influence of the hyped social network. Due to the novelty of the channel and the absence of text messages as well as visual stimuli, questions regarding the impact that usage of this social media channel might have on crowdfunding, a means of rising popularity in alternative financing, have arisen. The study builds upon the media richness theory of Daft and Lengel as well as the channel expansion theory of Carlson and Zmud. Besides literature research, explorative expert interview analyses were applied to answer the research question at hand. The main findings include different approaches to foster the opportunities of Clubhouse for marketing crowdfunding campaigns in line with insights about the user group of Clubhouse as well as development options for the platform.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207