The platformization of the follower factory: Para-platforms, automation, and labor in the market for social media engagements
Notice bibliographique
Résumé
This article examines the emerging illicit, sprawling yet obfuscated global market for artificial social media engagements, which inflates follower counts and engagement metrics on social media profiles and posts. The organization of this market has previously been characterized using industrial metaphors such as “click farms,” “follower factories,” and “digital sweatshops” primarily based in the Global South. Using a mixed-methods approach that integrates ethnography with digital methods, this research delineates the platformization of the follower factory, highlighting a shift toward automation rather than manual interaction. This has facilitated the rapid expansion of a multi-sided market, enabling resellers to scale up and consequently necessitating a more complex labor organization that includes marketing and customer service, which have shaped cottage industries across the Global South. This market capitalizes on social media platform economies, using the existing infrastructure and user bases to operate. In other words, the engagement market has become centered on what we term a para-platform ecosystem, which, while operating alongside, remains reliant on social media platform infrastructure. By examining and conceptualizing platformization and platform ecosystems “from below,” as well as the conflictual asymmetry yet productive relationship between the para-platform ecosystem and social media platforms, this article provides an unprecedented description of the engagement market while challenging and expanding the boundaries of platform theory.
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 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 | 0,002 | 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».