MétaCan
Menu
Retour à la cohorte
Enregistrement W4301284016 · doi:10.48550/arxiv.1703.03017

Comprehension of Ads-supported and Paid Android Applications: Are They\n Different?

2017· preprint· W4301284016 sur OpenAlexaff
Rubén Saborido, Foutse Khomh, Yann‐Gaël Guéhéneuc, Giuliano Antoniol

Notice bibliographique

RevuearXiv (Cornell University) · 2017
Typepreprint
Langue
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésAndroid (operating system)Computer scienceApp storeComprehensionWorld Wide WebAdvertisingInternet privacyBusinessOperating system

Résumé

récupéré en direct d'OpenAlex

The Android market is a place where developers offer paid and-or free apps to\nusers. Free apps are interesting to users because they can try them immediately\nwithout incurring a monetary cost. However, free apps often have limited\nfeatures and-or contain ads when compared to their paid counterparts. Thus,\nusers may eventually need to pay to get additional features and-or remove ads.\nWhile paid apps have clear market values, their ads-supported versions are not\nentirely free because ads have an impact on performance.\n In this paper, first, we perform an exploratory study about ads-supported and\npaid apps to understand their differences in terms of implementation and\ndevelopment process. We analyze 40 Android apps and we observe that (i)\nads-supported apps are preferred by users although paid apps have a better\nrating, (ii) developers do not usually offer a paid app without a corresponding\nfree version, (iii) ads-supported apps usually have more releases and are\nreleased more often than their corresponding paid versions, (iv) there is no a\nclear strategy about the way developers set prices of paid apps, (v) paid apps\ndo not usually include more functionalities than their corresponding\nads-supported versions, (vi) developers do not always remove ad networks in\npaid versions of their ads-supported apps, and (vii) paid apps require less\npermissions than ads-supported apps. Second, we carry out an experimental study\nto compare the performance of ads-supported and paid apps and we propose four\nequations to estimate the cost of ads-supported apps. We obtain that (i)\nads-supported apps use more resources than their corresponding paid versions\nwith statistically significant differences and (ii) paid apps could be\nconsidered a most cost-effective choice for users because their cost can be\namortized in a short period of time, depending on their usage.\n

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)0,035
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 enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,013
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,193
Tête enseignante GPT0,271
Écart entre enseignants0,078 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetTechnology Adoption and User BehaviourTravaux en français237 207