“Influencer marketing is not a way around the law”: Regulatory Compliance and Law Enforcement in the Canadian Social Media Influencer Field
Notice bibliographique
Résumé
<p>In 2019, Competition Bureau Canada (“the Bureau”) sent letters to approximately 100 brands and marketing agencies that engage in influencer marketing—advising them to ensure that their marketing practices are in compliance with the law. Against this background, this research uses semi-structured interviews to examine the regulatory compliance efforts of 21 influencer intermediaries who liaise between brands and social media influencers. The research assesses these intermediaries’ disclosure practices together with their thoughts on the Bureau’s targeted outreach and law enforcement in the field. Additionally, the research explores how the intermediaries adjust their regulatory compliance efforts to technological innovation on social media platforms.</p> <p>This research contributes four main findings. First, intermediaries consign regulatory expectations for disclosure to a secondary level of importance when working to meet the needs of brands and influencers. Second, there is limited intermediary knowledge of the Bureau’s legal standing and activities in the Canadian influencer field. Third, there are various algorithmic (e.g., algorithmic deprioritization) and non-algorithmic (e.g., lengthy disclosure processes) challenges to maintaining high standards of compliance in evolving digital environments. Finally, intermediaries have access to forms of social, cultural, and technical power that can be maximized to influence high standards of compliance. This research contributes to a growing body of scholarship focused on the perspectives of professionals who manage influencer marketing collaborations.</p>
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».