Beyond popularity: A user perspective on observable behaviours in a digital platform
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
Abstract The opinions and behaviours of others are recognised as powerful mechanisms for social influence in the digital sphere. The former, often referred to as electronic word of mouth (eWOM), is a thoroughly researched topic in the Information Systems literature. Conversely, the digital display of users' behaviours (e.g., number of past purchases) is less well understood despite the widespread adoption of this practice on digital platforms. Quantitative research has explored this interesting domain and found that observing others' behaviours entice observers to follow suit, but has left unaddressed the question of what sensemaking users derive from behavioural information. This is problematic as behavioural information is more open to interpretation compared to eWOM. In this article, we adopt the concept of electronic word of behaviour (eWOB) to denote such behavioural information. Through the lens of basic psychological needs theory and the qualitative means‐end chain approach, we expose how eWOB is interpreted and used by users of a digital platform, the music service Spotify. We find that eWOB leads to satisfaction of the basic psychological needs for relatedness and competence when observing others' behaviours. We also show how exposure to one's own past behaviours can yield a positive sense of self when presented in meaningful and private manners, but that it can also negatively impact users when their needs for autonomy and competence are not heeded by the digital platform. Finally, based on our empirical findings we offer a set of design implications for how digital platforms can optimise the use of eWOB.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| 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