MétaCan
Menu
Retour à la cohorte
Enregistrement W4397017013 · doi:10.33423/jabe.v26i2.6972

Increasing the Effectiveness of Public Service Announcements Among Gen Z by Using Influencer Advertising

2024· article· en· W4397017013 sur OpenAlexvenueno aff
Nguyen Pham

Notice bibliographique

RevueJournal of Applied Business and Economics · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMedia Influence and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReactanceInfluencer marketingAdvertisingRealmPublic serviceService (business)Value (mathematics)PsychologySocial marketingPublic opinionPersuasive communicationBusinessPublic relationsMarketingPersuasionSocial psychologyPolitical scienceEngineeringRelationship marketingPoliticsComputer science

Résumé

récupéré en direct d'OpenAlex

In this study, we aim to explore the effectiveness of influencer advertising in the realm of public policy. More specifically, we will be examining key factors that can potentially increase psychological reactance among individuals belonging to Generation Z when they are processing anti-binge drinking Public Service Announcements. We then discuss how collaboration between federal agencies and social media influencers can overcome the hurdles posed by psychological reactance. By drawing upon the existing research on persuasive messages, psychological reactance, influencer advertising, and parasocial relationships, our findings will hold significant value for policymakers in disseminating impactful Public Service Announcements that resonate with Generation Z.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,242
Écart entre enseignants0,209 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetMedia Influence and HealthTravaux en français237 207