Creating Digital Community in Hockey: A Study of the Montreal Canadiens’ Instagram Engagement During the 2021 Stanley Cup Final
Notice bibliographique
Résumé
Within social media there are multiple strategies and methods you can use to grow your page but, in terms of content there are many variables to determine what yields the most engagement. With the Montreal Canadiens being in the 2021 Stanley Cup Final for the first time in the social-media age, this paper evaluated how the content they posted on their in-feed Instagram account @canadiensmtl from June 28, 2021, to July 8, 2021. This study aims to determine what content achieve the greatest average engagement per post, and to identify the top engaging moments during the period indicated, while using likes and comments. This research will test the hypothesis that game and community content will result in the highest average engagement. This will be completed by collecting data on all in-feed Instagram posts from the page, separating into categories of type of post format (photo, video, graphics, and motion graphics) and type of post content (game content, community content, sponsored, and other). Once it is determined what category, a post belongs to the sum of likes and comments were added together and divided by the number of posts in the category to determine the average engagement per post. The results showed for type of content; game content and community content have the highest amount of average engagement. Then for type of post format; photos were the top average engagement multimedia content. These results show us that top performing posts come from top emotional and important moments during the game, and immediately after.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».