کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7256016 1472391 2016 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Combining structure, content and meaning in online social networks: The analysis of public's early reaction in social media to newly launched movies
ترجمه فارسی عنوان
ترکیب ساختار، محتوای و معنا در شبکه های اجتماعی آنلاین: تجزیه و تحلیل واکنش های اولیه عمومی در رسانه های اجتماعی به فیلم های تازه راه اندازی شده است
کلمات کلیدی
رسانه های اجتماعی، مطالعه موردی توییتر، تجزیه و تحلیل رفتار، مدل سازی پیش بینی کننده داده کاوی، استخراج متن،
ترجمه چکیده
در این مقاله ما روش شناسی برای ارزیابی واکنش های اولیه فیلمسازان به فیلم ها را از طریق استخراج تجزیه و تحلیل از مکالمات توییتر که در آخر هفته ای که در آن یک فیلم منتشر می شود ارائه می دهیم. سپس تکنیک های داده کاوی را به یک نمونه از 22 فیلم برای شناسایی مدل هایی که قادر به پیش بینی فروش فروش جعبه در آخر هفته اول هستند، اعمال می کنیم. ما نشان می دهیم که پیش بینی های بهتر زمانی حاصل می شود که معیارهای ترافیک با شاخص های اجتماعی و یا مکالمات تلفیقی در مقایسه با احساسات تلفیق شده و احساسات آنلاین به کمترین قدرت تفسیری در میان تمام متغیرهای مورد نظر دست یابند. یافته های ما حاکی از این است که اهمیت معیارهای متداول استفاده شده از قبیل احساسات، احتمالا بیش از حد است و تجزیه و تحلیل مکالمات می تواند به طور قابل توجهی توضیح واریانس درآمد صندوق دفتر در پایان هفته اول انتشار. به طور گسترده تر، کار ما به تحقیق در زمینه انتشار اطلاعات در شبکه های آنلاین افزوده می شود و شواهدی ارائه می دهد که انتشار پیام ها محرمانه نیست و تجزیه و تحلیل دینامیک گفتگو می تواند به درک ارتباط بین تولید جمعی و انتشار محتوا در شبکه های اجتماعی کمک کند به خوبی به دست آوردن بینش در مورد اینکه آیا انتشار اطلاعات بر رفتار خارج از خط تاثیر می گذارد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
پیش نمایش مقاله
ترکیب ساختار، محتوای و معنا در شبکه های اجتماعی آنلاین: تجزیه و تحلیل واکنش های اولیه عمومی در رسانه های اجتماعی به فیلم های تازه راه اندازی شده است
چکیده انگلیسی
In this paper we present a methodology to assess moviegoers' early reactions to movies' premieres through the extraction of analytics from Twitter conversations that take place in the weekend in which a movie is released. We then apply data mining techniques to a sample of 22 movies to identify models able to predict box-office sales in the first weekend. We show that better predictions are obtained when traffic metrics are combined with social network or conversational indicators rather than with sentiment and that online sentiment achieves the lowest explanatory power among all the considered variables. Our findings confirm that the importance of commonly used buzz-metrics, such as sentiment, is probably overstated, and that conversational analytics can contribute significantly to explain the variance of box office revenues in the first week end of release. More broadly, our work adds to research on information diffusion in online networks by providing evidence that diffusion of messages is not content-neutral and that the analysis of conversational dynamics can help to understand the interplay between collective generation and diffusion of content in social networks as well as to obtain insights on whether information diffusion influences off-line behavior.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Technological Forecasting and Social Change - Volume 109, August 2016, Pages 35-49
نویسندگان
, , ,