MétaCan
Menu
Retour à la cohorte
Enregistrement W4372354837 · doi:10.1177/14614448231165289

From Comic-Con to Amazon: Fan conventions and digital platforms

2023· article· en· W4372354837 sur OpenAlexafffund
Melanie E. S. Kohnen, Felan Parker, Benjamin Woo

Notice bibliographique

RevueNew Media & Society · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensCarleton UniversityUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAmazon rainforestComicsComputer scienceWorld Wide WebMedia studiesSociologyArtificial intelligenceEcology

Résumé

récupéré en direct d'OpenAlex

San Diego Comic-Con is North America's premiere fan convention and a key site for mediating between media industries and fandom. In 2020, the COVID-19 pandemic forced Comic-Con to abruptly move its programming onto an array of digital platforms in an apparent "platformization" of the con. Informed by research on fan conventions, media industries, and the platformization of cultural production, this analysis of the online convention argues that Comic-Con was primed for platformization because it is already platform-like. Conventions organize markets, infrastructures, and governance to bring together attendees, media industries, and other "complementors." Moreover, platform logics were already shaping the convention pre-pandemic in the form of experiential marketing and brand activations designed to capture attendee data. Rather than a radical break, the Comic-Con@Home online convention and in particular Amazon's Virtual-Con activation are part of a longer process of reconfiguring the relationships between fan conventions, cultural producers, and platforms.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,448
Score d'incertitude au seuil0,589

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,036
Tête enseignante GPT0,297
Écart entre enseignants0,261 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNew Media & SocietyMême sujetDigital Games and MediaTravaux en français237 207