To Gift or Not: Understanding Gifting Behavior on Live Streaming Platforms from the Perspective of Social Influence and Herding
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Live streaming has been increasingly popular worldwide, with gift-giving emerging as a pivotal revenue stream for many streamers. While prior research has delved into the influence of streamers’ emotions and viewer-streamer interaction on viewers’ gift-giving behaviors, we suggest that peer viewers also play an essential role. In line with the principles of social influence and herding theory, the behaviors of peer viewers and the size of the viewing group are integral factors shaping individual behaviors. Hence, in the context of lives streaming, we focus on examining the impact of peer viewers’ gift-giving behaviors and the audience size on the gift-giving behaviors of individual viewers, respectively. Additionally, we examine the moderating role of viewers’ identities. We collected data from a popular live streaming platform in China and employed a panel regression model based on a sample of 651,678 viewers. This study contributes to the gift-giving literature by revealing the influence of peer viewers on focal viewers’ likelihood of gifting, gifting frequency and gifting value, and the moderating effect of viewers’ identities. Overall, these results have significant implications for both the theoretical understanding of social influence and herding in online setting, as well as the practical implications for future live streaming management. Future research could delve deeper into understanding the impact of various types of live streaming content and cultural differences on individual’s gift-giving behavior.
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.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle