PLATFORMS, POWER & ADVERTISING: ANALYSING RELATIONS OF DEPENDENCY IN THE DIGITAL ADVERTISING ECOSYSTEM
Notice bibliographique
Résumé
This paper examines how dominant institutional actors exercise power and control over the digital advertising ecosystem. It pursues this inquiry through a case study on the 2021 introduction of Apple’s App Tracking Transparency (ATT) feature—a privacy setting newly integrated in the operating system of iOS mobile devices. Developing this case study, we ask: How do dominant market actors exercise control over the infrastructural layers of the ‘mobile ad stack’ and how do they gain access to end-user data? These questions are addressed through a mix-methods approach that involves (A) analysis of developer documentation provided by Apple, (B) a review of ongoing litigation, and (C) analysis of financial disclosure forms of two ad-driven platforms Meta and Snapchat. This inquiry shows, first, how and why Facebook and Google, each in their own way, have been highly successful in their ability to aggregate both ad inventory and accurate, real-time user data. Second, it demonstrates how ATT blocked the access of advertising platforms to a key part of this real-time user data, while, simultaneously, enabling Apple to gain control over end-users’ mobile data. Thus, the rollout of ATT and its subsequent shifts in revenue and data demonstrate the relational and constantly evolving nature of institutional power in the mobile advertising ecosystem.
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 | 0,011 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,042 |
| Communication savante | 0,015 | 0,023 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».