電影在線評(píng)分作為影片口碑的表征,是影響觀影需求、影院排片策略和電影票房的重要因素。但目前電影評(píng)分體系的科學(xué)性、評(píng)分與票房的相關(guān)性、不同平臺(tái)評(píng)分的差異性、評(píng)分對(duì)票房的影響等問(wèn)題的實(shí)證研究較欠缺。本文收集了國(guó)內(nèi)主要電影資訊和社交平臺(tái)的電影評(píng)分?jǐn)?shù)據(jù),通過(guò)回歸分析及統(tǒng)計(jì)檢驗(yàn),對(duì)在線評(píng)價(jià)與票房的關(guān)系進(jìn)行量化研究與可視化分析,以期發(fā)現(xiàn)電影在線評(píng)分的規(guī)律,為互聯(lián)網(wǎng)語(yǔ)境下的電影評(píng)價(jià)體系構(gòu)建及票房預(yù)測(cè)提供參考。 

【文章來(lái)源】：電影藝術(shù). 2019,(03)北大核心CSSCI

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

評(píng)分概率密度圖

舜斡趴崾悠等舜?平均值5.36.17.97.97.47.971086.41455.0217765.5230913.6622419.995987.49中位數(shù)5.06.08.18.07.38.120332.0576.544028.546828.007997.503893.50標(biāo)準(zhǔn)偏差1.61.01.00.810.780.65115129.92343.4579837.4593703.5442332.027448.27范圍6.57.05.04.23.32.6567966.016879.04728051.04605748.0275979.0042984.0最小值2.21.84.75.35.96.5456.0027.00949.0734.0021.0016.00最大值8.78.89.79.59.29.1568422.016906.04729000.04606482.0276000.0043000.0表2實(shí)驗(yàn)樣本中在線評(píng)分、投票人次描述統(tǒng)計(jì)量圖1評(píng)分概率密度圖圖282部電影評(píng)分序列圖觀邏輯判斷其因果關(guān)系。如果在統(tǒng)計(jì)數(shù)量上有顯著的線性關(guān)系，則滿足應(yīng)用線性回歸模型分析的基本條件。設(shè)定在線評(píng)分和評(píng)分人次為自變量，票房為因變量，表3為相關(guān)性檢驗(yàn)結(jié)果。從皮爾遜相關(guān)系數(shù)的取值來(lái)看，豆瓣網(wǎng)、時(shí)光網(wǎng)評(píng)分與票房的相關(guān)系數(shù)較小，而貓眼、淘票票評(píng)分與票房的相關(guān)系數(shù)較大，優(yōu)酷視頻、騰訊視頻評(píng)分與票房的相關(guān)系數(shù)介于門(mén)戶網(wǎng)站和購(gòu)票平臺(tái)之間。符合產(chǎn)業(yè)研究|電影在線評(píng)分對(duì)票房的影響實(shí)證研究|

【參考文獻(xiàn)】：
期刊論文
[1]中美電影評(píng)分機(jī)制比較[J]. 郭紅,呂皆宇.  西部廣播電視. 2017(22)
[2]在線評(píng)分對(duì)中國(guó)電影北美票房的影響研究[J]. 張律疏,李敏,張捷.  電影藝術(shù). 2017(05)
[3]“惡評(píng)”界定及其存在性檢驗(yàn)——基于2014—2016年370部電影的實(shí)證分析[J]. 劉正山,易婧.  當(dāng)代電影. 2017(05)
[4]“初始錨定”與“算法正義”——美國(guó)電影網(wǎng)絡(luò)評(píng)分機(jī)制與電影產(chǎn)業(yè)[J]. 王偉.  當(dāng)代電影. 2017(05)
[5]“惡評(píng)”對(duì)中國(guó)電影市場(chǎng)的影響[J]. 劉正山.  中國(guó)電影市場(chǎng). 2017(03)
[6]在線評(píng)價(jià)、電影異質(zhì)性與票房收入——基于2014～2015年177部國(guó)產(chǎn)電影數(shù)據(jù)的檢驗(yàn)[J]. 劉正山.  電影藝術(shù). 2016(03)
[7]迷影偏好、觀影取向與票房制衡——網(wǎng)絡(luò)電影評(píng)分現(xiàn)狀研究[J]. 齊偉.  當(dāng)代電影. 2015(11)



本文編號(hào)：3259134