Social Media Influencers and Artificial Intelligence: Opportunities and Challenges
Notice bibliographique
Résumé
This study examines social media influencers’ (SMIs) perceptions of the role of artificial intelligence (AI) in advancing their relationships with followers, their views of the opportunities/dangers of AI in assuring their authenticity, and their perspectives towards virtual SMIs in terms of affecting the future of SMIs. Adopting a qualitative phenomenological approach, the study explores how SMIs’ (a) perceive AI as a tool to help SMI activities, (b) perceive AI as a positive/negative effect on relationships with followers, (c) perceive virtual SMIs (non-human) as having an effect on the future of SMIs. Data was collected through 17 semi-structured interviews with Canadian SMIs in various fields. \n\nThis study shows that AI is perceived to offer significant opportunities for SMIs including improved data analytics, enhanced connectedness, and strengthening SMIs’ relationships with their followers. However, SMIs are concerned about dangers of AI, including loss of expressing ones’ true self and loss of honesty with their followers. Collectively, participants indicated concerns about their authenticity when AI is used. Furthermore, virtual SMIs are perceived as a threat to SMIs, making it difficult for SMIs to compete on brand deals but also to possibly replace SMIs in the future. Additionally, this study reveals practical implications for SMIs by providing insights into opportunities and challenges being faced in the context of AI.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».