Equity crowdfunding platforms and social media: a Twitter analysis
Notice bibliographique
Résumé
Purpose The purpose of this study is to explore the central users (hubs) in the dissemination of equity crowdfunding (EC) news on social media, with particular regard to Twitter. Specifically, the study explores some aspects related to the diffusion of news through social networks concerning EC. Design/methodology/approach Through a social network analysis (SNA) technique the authors define an understanding of the users' network that is created on Twitter when it comes to crowdfunding. Using Twitter data, the authors identify the central actors on the social network that produce and/or disseminate information about crowdfunding tools. Findings The results indicate that a large number of users tweeted about EC in relation to the introduction of the most important Commissione Nazionale per le Società e la Borsa (Consob) Regulation n. 20264 of 17/01/2018 on an equity model at the beginning of 2018; the growth in the use of this instrument in the first quarter of 2019 and the publication of Commissione Nazionale per le Società e la Borsa (Consob) Regulation n. 21110 of 10/10/2019. Moreover, the authors find that in the case of tweets concerning EC, the operators of the sector, with particular regard to crowdfunding platforms, are central to the network, followed by traditional and specialised media. Originality/value The results shed new light on a still unexplored research field concerning the diffusion of news about EC from a platform's perspective. To the best of the authors' knowledge, this is the first explorative study that jointly investigates an EC model and social media in the Italian market, considering the impacts of two different and important regulations. In particular, this study contributes to the literature on EC by clarifying some new aspects related to the diffusion of news through Twitter.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».