MétaCan
Menu
Retour à la cohorte
Enregistrement W4366587971 · doi:10.1145/3544548.3580943

Are You Human? Investigating the Perceptions and Evaluations of Virtual Versus Human Instagram Influencers

2023· article· en· W4366587971 sur OpenAlexaff
Anika Nissen, Colin Conrad, Aaron J. Newman

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésInfluencer marketingPerceptionPsychologyElectroencephalographyRisk perceptionComputer scienceApplied psychologyCognitive psychologyBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

Virtual influencers (VI) are on the rise on Instagram, and companies increasingly cooperate with them for marketing campaigns. This has motivated an increasing number of studies, which investigate our perceptions of these influencers. Most studies propose that VI are often rated lower in perceived trust and higher in uncanniness. Yet, we still lack a deeper understanding as to why this is the case. We conduct 2 studies: 1) a questionnaire with 150 participants to get the general perception for the included influencers, and 2) an electroencephalography (EEG) study to get insights into the underlying neural mechanisms of influencer perception. Our results support findings from related works regarding lower trust and higher uncanniness associated with VI. Interestingly, the EEG components N400 and LPP did not modulate perceived trust, but rather perceived humanness, uncanniness, and intentions to follow recommendations. This provides a fruitful beginning for future research on virtual humans.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,474
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,106
Tête enseignante GPT0,408
Écart entre enseignants0,302 · 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'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

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Marketing and Social MediaTravaux en français237 207