MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210601500 · doi:10.32920/19008986.v1

The Role of Advertising Disclosure and Persuasion Knowledge in Travel Influencer Videos on Instagram

2022· preprint· en· W4210601500 sur OpenAlexaff
Irina Mihaela Gorea

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensToronto Metropolitan UniversityHumber Polytechnic
Organismes subventionnairesnon disponible
Mots-clésPersuasionAdvertisingInfluencer marketingContext (archaeology)PsychologyBusinessMarketingSocial psychology

Résumé

récupéré en direct d'OpenAlex

The study investigates the role of advertising disclosure and persuasion knowledge in travel influencer videos on Instagram. In a 2 (ad disclosure: present vs. absent) x 2 (level of persuasion knowledge: high vs. low) between-subjects factorial experiment, the study explores the role of advertising disclosure on consumers’ awareness of persuasive intent, travel intent and sharing intent. In addition, the moderating role of persuasion knowledge about influencer marketing is investigated. The results indicate that the presence of advertising disclosure in the form of “#sponsored” is effective in informing consumers about the commercial nature of the video, without having a significant effect on behaviour. For marketers and influencers, the study is particularly important as it shows that advertising disclosure is a critical element in informing consumers about the sponsored partnership, without having a detrimental effect travel intent and sharing intent. .Whereas previous studies on advertising disclosure have primarily considered blog posts or images, this study focuses on travel videos on Instagram. As a contribution to literature, the Persuasion Knowledge Model is extended in the context of travel influencer videos on Instagram.

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)0,030
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,312
Écart entre enseignants0,299 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Marketing and Social Media→Travaux en français237 207→