Analisis Image Comments to Image Likes Ratio Pada 5 Brand di Indonesia Yang Sering Dikira Brand Luar Negeri
Notice bibliographique
Résumé
Instagram merupakan aplikasi sosial media yang berasal dari Amerika yang dibuat oleh Kevin Systrom dan Mike Krieger. Instagram memungkinkan penggunanya membuat video berdurasi 15 detik sampai dengan 15 menit yang disertai dengan musik, filter, dan beberapa fitur kreatif lainnya. Di Indonesia terdapat 59,840 juta pengguna Instagram, dengan jumlah sebanyak itu maka 22,6 persen penduduk di Indonesia merupakan pengguna Instagram. Maraknya jumlah pengguna Instagram yang aktif di Indonesia tentu dapat memberikan peluang bagi brand untuk menjadikan platform Instagram sebagai platform social media marketing. Adapun 5 Brand di Indonesia Yang Sering Dikira Brand Luar Negeri yang memanfaatkan Instagram sebagai platform marketing, yaitu : J-CO, CFC, Krisbow, Men’s Republic, dan Polytron. Tujuan dari penelitian ini yaitu untuk menghitung kredibilitas dari performa akun Instagram Top 5 Brand di Indonesia Yang Sering Dikira Brand Luar Negeri. Metode yang digunakan untuk penelitian ini yaitu metode eksploratif kuantitatif. Hasil dari penelitian ini menunjukan bahwa Brand J-CO Indonesia mendapatkan peringkat pertama dan memiliki kredibilitas performa akun yang baik.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».