MétaCan
Menu
Back to cohort
Record W7019151787

Facebook-päivityksen viraaliuteen vaikuttavat ominaisuudet. Tarkastelussa Audin suomalaiset ja yhdysvaltalaiset Facebook-sivut

2015· other· fi· W7019151787 on OpenAlexaboutno aff

Bibliographic record

VenueOsuva (University of Vaasa) · 2015
Typeother
Languagefi
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsWork (physics)Investment (military)Quarter (Canadian coin)
DOInot available

Abstract

fetched live from OpenAlex

Tutkimuksen tavoitteena oli selvittää, mitkä ominaisuudet tekevät autoyhtiön Facebook-päivityksistä paljon eteenpäin jaettuja eli viraaleja kahdella hyvin erilaisella markkina-alueella, Suomessa ja Yhdysvalloissa. Aineistoksi valittiin saksalaisen autonvalmistajan Audin suomalaisilla ja amerikkalaisilla Facebook-sivuilla kymmenen kuukauden aikana helmikuusta marraskuuhun vuonna 2013 julkaistut päivitykset. Viraalipäivitykseksi kutsutaan laajasti, viruksenomaisesti internetissä levinnyttä päivitystä. Tässä tutkimuksessa viraalipäivitykseksi tulkittiin Suomen Facebook-sivulla päivitys, jos sitä oli jaettu vähintään 50 kertaa, Yhdysvaltain Audin Facebook-sivun mittakaavassa vastaava raja on 6 000 jakoa. Tavoitteeseen pyrittiin analysoimalla valittua aineistoa ja rinnastamalla sitä markkinointiin, yhtiön brändäykseen ja muuhun aiheeseen liittyvään aiempaan tutkimukseen.\n\nKvantitatiivista sisällönanalyysia käytettiin jaetuimpien viraalipäivitysten rajaamiseen aineistosta. Kvalitatiivisella sisällönanalyysillä etsittiin niiden viraalisuutta selittäviä ominaisuuksia. Aineistosta nousi edelleen vertailussa käytettäviksi ominaisuuksiksi kontrastisuus, eli värien tai asioiden vastakohtaisuus, käyttäjien huomiointi tai kiittäminen, lokalisaatio eli erityispiirteiden lisääminen päivitykseen tietyssä määrätyssä maassa tapahtuvaa käyttöä varten, uuden tekniikan esittely, kehoitus seurata jotakin, parhaisiin hetkiin liittäminen, rohkeuden tai itsevarmuuden lisääminen, lupaus tulevista vastaavista uutisista ja positiivinen käyttäjän arvottaminen.\n\nKummassakin maassa eniten vaikutusta oli sillä, että päivitys oli sovitettu kohdemaahan. Suomessa toiseksi vaikuttavin piirre oli käyttäjien huomiointi tai kiittäminen, USA:n toisen tilan jakoivat käyttäjien huomiointi tai kiittäminen ja uuden tekniikan/tiedon esittely. Kolmannen sijan jakoivat Suomen sivulla kehotus seurata jotakin, kontrasti ja parhaisiin hetkiin liittäminen. USA:n kolmannen sijan jakoivat kehotus seurata jotakin ja kontrasti. Tutkimuksen lopputulos osoittaa, että sijoittamalla päivitykseen oikeanlaisia ominaisuuksia, voidaan lisätä mahdollisuutta, että päivityksestä tulee viraali.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Open science, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.086
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.000
Meta-epidemiology (narrow)0.0040.005
Meta-epidemiology (broad)0.0060.002
Bibliometrics0.0040.002
Science and technology studies0.0010.004
Scholarly communication0.0000.002
Open science0.0060.004
Research integrity0.0040.003
Insufficient payload (model declined to judge)0.0900.176

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.030
GPT teacher head0.228
Teacher spread0.199 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueOsuva (University of Vaasa)French-language works237,207