Social Media and Donations During Disasters
Notice bibliographique
Résumé
Disaster response organizations (DROs) utilize social media to support fundraising efforts. They post appeals for donations and share updates on their relief efforts to engage potential donors. While prior research has shown that DROs' social media activity and public engagement can boost donations, it has typically considered these factors in isolation. However, DROs' donation appeals unfold in a dynamic environment where organizational messaging, user engagement, and public discourse may influence one another over time. Drawing on theories of prosocial behavior, we conceptualize a social media system for donations comprising DRO social media activity, public engagement, and public interest, and examine how these elements interact to influence donations over time. To test this framework, we partnered with the Canadian Red Cross and analyzed hourly Twitter activity and donation data from the 2016 Fort McMurray wildfire. Using a vector autoregressive (VAR) model, we show that DROs' tweets directly increase donations through greater impressions and clicks. Moreover, we identify three indirect pathways to donations: (1) diffusion through retweets; (2) increases in user-generated content about the disaster; and (3) heightened public interest. These indirect effects eventually surpass the direct effect such that after ten hours, they increase donations by about 35% versus 26% for the direct effect. We also find that DROs' tweets expressing positive empathy are more effective than those expressing negative empathy. Overall, our findings reveal the dynamics through which DROs' social media activity affects donations and offer guidance for designing social media strategies that help DROs raise funds for their operations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».