MétaCan
Menu
Retour à la cohorte
Enregistrement W3216469545 · doi:10.1177/21674795211038949

A Magic “Bullet”: Exploring Sport Fan Usage of On-Screen, Ephemeral Posts During Live Stream Sessions

2021· article· en· W3216469545 sur OpenAlexaff
Bo Li, Michael L. Naraine, Zhao Liang, Chenyang Li

Notice bibliographique

RevueCommunication & Sport · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésBasketballAdvertisingEntertainmentMagic bulletEphemeral keyInternet privacyPsychologyComputer scienceComputer securityVisual artsArtHistoryBusiness

Résumé

récupéré en direct d'OpenAlex

The bullet-screen function is an augmented comment feature that has been adopted by the majority of Over-the-Top (OTT) services to foster users’ interaction and watching experience. This feature empowers sports customers to post and view numerous, short, and fast-moving comments that overlap over the screen while watching live stream sports events in real time. This research aims to investigate how sports fans embrace the bullet-screen feature while watching live stream sports. Through a combination of thematic analyzing bullet-screen comments from a National Basketball Association Finals game, and semi-structured interviews among bullet-screen users ( N = 15), the results indicate that sport fans’ bullet-screen messages could be classified into five categories: critical commentary, socialization, supportive interactions, random messages, and trash talk. Four motives for sports fans to engage with bullet-screen posting were identified: entertainment, gathering information, interaction, and finding belonging. The study also showed that the inappropriateness of comments and too much overlay on the screen could prevent sports fans from utilizing the service. Theoretical and practical implications have also been discussed.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,082
Tête enseignante GPT0,329
Écart entre enseignants0,248 · 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

Citations30
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication & SportMême sujetSports, Gender, and SocietyTravaux en français237 207