A SYSTEMATIC REVIEW OF VIRTUALHUMANS.ORG AND ITS ROLE IN VIRTUAL INFLUENCER RESEARCH, 2019 TO PRESENT
Notice bibliographique
Résumé
In this paper, I conduct a systematic review of the use of VirtualHumans.org in academic studies of the virtual influencer industry. To do this, I analyze all references to and use of content from the Virtual Humans website in relevant published research from 2019 to 2024 (n=189), including the website’s database of existing virtual influencers, interviews with virtual influencer creators and virtual influencer characters themselves, articles on the state of the virtual influencer industry, and profiles of each listed virtual influencer. I pair this analysis with a brief history of VirtualHumans.org from a political economy perspective, noting the factors which went into the website’s creation; its acquisition by Offbeat Media Group, a digital marketing agency; and its organizational shifts following the sudden departure of its founder in 2023. Ultimately, I question whether academic viewpoints of the emergent virtual influencer industry, many which refer to the Virtual Humans website as a valuable resource for grasping a sense of the size and scope of the virtual influencer phenomenon, adequately consider the rooted biases and commercial interests represented by the website as not only a database but a powerful broker within the industry. Moreover, by narrating the organizational development of VirtualHumans.org as an enterprise, I contribute detailed context into the formation of these biases and commercial interests which inform its position in the virtual influencer scene.
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 | 0,017 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».