相关实验视频
Updated: Jan 12, 2026

Measuring Engagement of Spectators of Social Digital Games
Published on: July 3, 2021
在数字生态系统中以人工智能驱动的企业声誉测量:系统文献审查
1School of Engineering, Department of Engineering Management, The University of Manchester, UK; School of Engineering and Materials Science, Engineering Management Group, Queen Mary University of London, UK.
人工智能 (AI) 提供数据驱动的企业声誉测量,克服了传统调查的局限性. 这一系统性审查强调了人工智能.
科学领域:
- 商业和管理的管理.
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 传统的企业声誉测量方法 (调查,采访) 受到主观性,劳动强度和缓慢适应利益相关者的感知的影响.
- 现有的方法容易产生像回忆和框架这样的偏差,从而降低了可靠性.
- 需要自动化,实时和数据驱动的替代方案至关重要.
研究的目的:
- 系统地审查人工智能 (AI) 和机器学习在提高企业声誉测量的应用.
- 探索关键的人工智能方法,理论基础,全球合作和AI驱动声誉测量的挑战.
- 确定差距,并提出推进下一代企业声誉测量的路线图.
主要方法:
- 在2000年至2024年间发表的104项研究的系统文献综述.
- 遵守PRISMA (系统审查和元分析的首选报告项目) 准则.
- 对人工智能方法,数据源,理论框架和确定挑战的分析.
主要成果:
- 确定了影响AI在声誉管理中的关键理论框架,包括消费者信息处理理论,认知理论和社会身份理论.
- 数据来源各不相同,显著依赖模拟数据,表明实际应用存在差距.
- 主要挑战包括狭窄的AI范围,可扩展性问题,数据复杂性和道德问题;视觉数据的使用是最小的 (2%).
结论:
- 人工智能机制往往侧重于产品层面,而不是组织声誉.
- 需要标准化术语,整合信任-声誉动态,并纳入社交商务等新兴领域.
- 提出了一份综合路线图,将传统方法与人工智能工具结合起来,以推进企业声誉测量.
更多相关视频
06:39Electroencephalographic, Heart Rate, and Galvanic Skin Response Assessment for an Advertising Perception Study: Application to Antismoking Public Service Announcements
Published on: August 28, 2017
06:18The Collective Trust Game: An Online Group Adaptation of the Trust Game Based on the HoneyComb Paradigm
Published on: October 20, 2022
相关概念视频
Social Foundations of Self IV: Self in Digital Communication
Social Exchange Theory
Social Exchange Theory
Social Proof
Stereotype Content Model
Impression Management Techniques III: Aligning Actions