MétaCan
Menu
Retour à la cohorte
Enregistrement W3215832247 · doi:10.54691/bcpbm.v14i.147

Research on box office influencing factors and innovation strategies of Disney (Asian market) theme films

2021· article· en· W3215832247 sur OpenAlexaboutno aff
Zizhou Fu, Yuhang Qian, Helin Wang, Xiwen Xue

Notice bibliographique

RevueBCP Business & Management · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia, Gender, and Advertising
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdvertisingFilm industryBox officeConsumption (sociology)Profitability indexRevenueChinaMarketingTheme (computing)Perspective (graphical)Position (finance)BusinessSociologyPolitical scienceMovie theaterVisual artsSocial scienceArtLaw

Résumé

récupéré en direct d'OpenAlex

The income of Disney in the Asian region is a very important part because even though they have a great influence in the United States and Canada, it is still not enough because the consumption power of people in the Asian region is still a very large part. Asians still prefer their elements and character traits. This study is related to Disney revenue in Asia in the future and affects Disney income as a whole, as well as the company’s position in the field of film and its impact on the film industry. Using secondary data, we have analyzed Disney movie data in Asia from various aspects, how to increase the profitability of Disney movies. From a cultural perspective, we feel that Disney should focus on improving Chinese culture and even Asian culture to increase their ratings. Not only that, Disney should continue to innovate instead of repeatedly using the same means of consumption. Finally, the significance of this paper is that we have provided Disney movies with very good conditions for increasing profits.

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)0,005
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 enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,087
Tête enseignante GPT0,374
Écart entre enseignants0,287 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBCP Business & ManagementMême sujetMedia, Gender, and AdvertisingTravaux en français237 207