Notice bibliographique
Résumé
According to the "2022-2027 China Internet Video Industry Market Depth Research and Investment Strategy Forecast Report" published by the China Research Institute of Industry, as of the end of June 2021, the size of China's Internet users broke one billion, reaching 1.011 billion people, an increase of 0.22 billion people compared to the end of December 2020, the massive size of Internet users to promote the development of China's online video industry. The size of the short video market will increase more quickly between 2020 and 2022, with a compound annual growth rate of about 44%. The market size will grow at a slower rate during 2023-2025, but will still maintain a CAGR of 16%. China's short video market is expected to reach nearly 600 billion yuan in 2025 [1]. More than a quarter of a day is spent watching short videos on mobile devices in China. Along with visuals and audio, short video has emerged as the "third language" of the mobile Internet. Short-form video has rapidly increased in the new Internet economy. Bilibili's future development has attracted much attention. With the development of the Internet economy and the increase in significant video websites, whether Bilibili can continue its competitive advantage and successfully achieve business transformation has become controversial. This research will analyse Bilibili's business model through a SWOT analysis and make feasible suggestions for its future development.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,017 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».