MétaCan
Menu
Retour à la cohorte
Enregistrement W4281765438 · doi:10.1080/09571264.2022.2081141

How do wine bloggers increase Twitter engagement? Through simple changes to their writing style

2022· article· en· W4281765438 sur OpenAlexaff
Kylie McMullan, Cai Feng, Anthony Chan

Notice bibliographique

RevueJournal of Wine Research · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésWineInfluencer marketingSocial mediaAdvertisingStyle (visual arts)Set (abstract data type)PsychologyComputer scienceBusinessMarketingWorld Wide WebArtMarketing management

Résumé

récupéré en direct d'OpenAlex

Due to the unique nature of wine as a consumer product, wine bloggers and influencers have a high degree of influence among wine consumers. This has led to many wine aficionados and experts creating wine blogs. In order to build their followings and influence, these wine bloggers often need to drive engagement on their posts across multiple social media platforms. In this paper, we set out to find the factors that most increase Twitter engagement among wine bloggers. We describe a study that considers a sample of wine bloggers and using a textual analysis tool (LIWC), with the objective of identifying three key factors that can help wine bloggers increase engagement. The factors include avoiding full-text numbers and interrogatives and increasing the use of personal pronouns. We then conclude by discussing limitations and avenues for future research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,133
Tête enseignante GPT0,347
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Wine ResearchMême sujetWine Industry and TourismTravaux en français237 207