The Dynamics of Online Fandom Communities: A Qualitative Study on Engagement and Identity
Notice bibliographique
Résumé
This study aims to explore the dynamics of online fandom communities, focusing on how these digital platforms influence engagement patterns, identity formation, community dynamics, motivations for participation, and the challenges and issues faced by members. It seeks to contribute to the existing literature by providing a comprehensive analysis of the multifaceted experiences of individuals within these communities. A qualitative research design was employed, utilizing semi-structured interviews with 33 participants actively involved in various online fandom communities. Thematic analysis was conducted to identify key themes and categories related to engagement, identity, and community dynamics. The study adhered to ethical guidelines, ensuring participant confidentiality and informed consent. The analysis revealed five main themes: Engagement Patterns, Identity Formation, Community Dynamics, Motivations for Participation, and Challenges and Issues. Engagement Patterns highlighted content creation, community interaction, and event participation. Identity Formation encompassed personal identity, group identity, and roles within the community. Community Dynamics focused on inclusion and exclusion, conflict and resolution, and support and solidarity. Motivations for Participation identified escapism, social connection, and skill development as key drivers. Challenges and Issues discussed toxic behaviors, identity safety, and content disputes. Online fandom communities play a significant role in shaping individuals' engagement patterns, identity formation, and community dynamics. These communities provide a supportive environment for creative expression, social interaction, and personal growth. However, challenges such as toxic behaviors and identity safety concerns highlight the need for effective community management and support mechanisms. The findings underscore the complexity of online fandom participation and its impact on individual and collective identity construction.
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 | 0,012 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,008 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».