MétaCan
Menu
Retour à la cohorte
Enregistrement W4404859101 · doi:10.1108/ijebr-08-2023-0805

Personalizing videos to improve fundraising: evidence from reward-based crowdfunding

2024· article· en· W4404859101 sur OpenAlexaff
Jialiang Yang, René Arseneault, Goran Calic

Notice bibliographique

RevueInternational Journal of Entrepreneurial Behaviour & Research · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensMcMaster UniversityUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAdvertisingBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

Purpose Drawing on integrated insights from signaling theory and the cognitive theory of multimedia learning, this study investigates the effect of video personalization on crowdfunding performance. “Video personalization” is defined as information presented in a video in a way that is designed to promote the feeling of being and interacting with others. This study also aimed to examine the moderating effects among various signals of video personalization. Design/methodology/approach This study constructs a theoretical model of how video personalization affects crowdfunding performance through an integrated theory lens. This study measures several signals of video personalization, namely, first-person wording (FPW), second-person wording (SPW), asking questions and talking to the camera. The direct and moderating effects of video personalization on crowdfunding performance are examined by using 2,858 crowdfunding projects on Kickstarter. Findings This study revealed that using SPW, asking questions and talking directly to the camera positively impact crowdfunding performance, while talking to the camera attenuates the positive effect of using SPW and asking questions with respect to funding amounts. Originality/value This study contributes to the literature on resource mobilization in crowdfunding by examining how video personalization impacts resource mobilization in a crowdfunding setting. The findings extend signaling theory by broadening its boundaries. This advance is accomplished by integrating insights from cognitive science into signaling theory. This study also contributes to cognitive theory in multimedia learning by identifying novel ways to personalize videos and by broadening that work to a novel empirical context, entrepreneurship.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,092
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,092
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,105
Tête enseignante GPT0,388
Écart entre enseignants0,284 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueInternational Journal of Entrepreneurial Behaviour & ResearchMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207