The impact of social media: how Instagram & Snapchat are revolutionizing the fashion industry
Notice bibliographique
Résumé
Social media has been revolutionizing our ways of learning, engaging, and sharing information on the latest trends within the fashion industry. This research project focuses on two social media platforms that are highly relevant and influential in the fashion industry. Instagram, a social media application that was originally created to share photos between intimate social networks, has now become a powerful marketing platform. Now, one can carefully curate one’s profile and sell an aesthetically pleasing image of oneself/item, all through strategic techniques such as framing, editing, or simply using the filters provided by both Instagram (e.g. Sepia, Valencia) and Snapchat. Snapchat, a social media application originally used to share selfies amongst one’s intimate social group, intended to “express yourself, and reflect individuals based on a moment” (Evan Spiegal, CEO of Snapchat, 2016). The company now also promotes their app as a marketing tool and an advertising platform that targets more than 100 million active users daily between the ages of 18 and 35 years old. Initially, these two apps were intended to be used as entertainment tools, however, now they are also used to help re-structure a brand’s business model and approach. The purpose of this research is to investigate the effects of both Instagram and Snapchat, on traditional practices within the fashion industry, with a primary focus on the runway and advertising.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,015 | 0,014 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».