[论文解读] It's all in the (Sub-)title? Expanding Signal Evaluation in Crowdfunding Research

Constantin von Selasinsky, Andrew Isaak|arXiv (Cornell University)|Oct 27, 2020

FinTech, Crowdfunding, Digital Finance被引用 4

一句话总结

本研究通过在科技类众筹项目中整合视频字幕作为文本信号，结合项目标题和描述，提升了众筹成功预测的准确性。基于1,049个项目的样本，研究证明引入字幕数据能显著增强模型的解释力，深化了对创业者如何向支持者传递可信度与项目质量信号的理解。

ABSTRACT

Research on crowdfunding success that incorporates CATA (computer-aided text analysis) is quickly advancing to the big leagues (e.g., Parhankangas and Renko, 2017; Anglin et al., 2018; Moss et al., 2018) and is often theoretically based on information asymmetry, social capital, signaling or a combination thereof. Yet, current papers that explore crowdfunding success criteria fail to take advantage of the full breadth of signals available and only very few such papers examine technology projects. In this paper, we compare and contrast the strength of the entrepreneur's textual success signals to project backers within this category. Based on a random sample of 1,049 technology projects collected from Kickstarter, we evaluate textual information not only from project titles and descriptions but also from video subtitles. We find that incorporating subtitle information increases the variance explained by the respective models and therefore their predictive capability for funding success. By expanding the information landscape, our work advances the field and paves the way for more fine-grained studies of success signals in crowdfunding and therefore for an improved understanding of investor decision-making in the crowd.

研究动机与目标

• 探究视频字幕是否在标题和描述之外提供额外的预测信号。
• 弥补当前众筹研究中对文本信号利用不足的问题，特别是在科技类项目类别中的应用。
• 通过扩展可用于信号评估的信息范围，深化对投资者决策机制的理解。
• 通过整合来自视频字幕的多模态文本数据，推动CATA（计算机辅助文本分析）方法论的发展。

提出的方法

• 从Kickstarter的公开数据库中随机抽取了1,049个科技类项目作为样本。
• 从三个来源提取文本数据：项目标题、项目描述和视频字幕。
• 应用自然语言处理技术分析文本内容，并提取与项目质量及可信度相关的有意义信号。
• 使用多元回归模型评估每个文本组件对筹资成功的预测能力。
• 通过测量各信号来源解释筹资结果方差的比例，评估模型性能。
• 比较包含与不包含字幕数据的模型，以隔离字幕对预测准确率的增量贡献。

实验结果

研究问题

• RQ1 视频字幕是否包含在标题和描述之外的独特文本信号，能够预测众筹成功？
• RQ2 引入字幕数据如何影响预测模型对项目筹资结果的解释力？
• RQ3 与其它项目类别相比，字幕中的文本信号对科技类项目是否更具信息量？
• RQ4 不同文本组件（标题、描述、字幕）在解释筹资成功方差方面，各自贡献程度如何？

主要发现

• 将视频字幕纳入模型能显著提升对众筹成功预测模型的方差解释能力。
• 加入字幕数据后，模型性能优于仅使用标题和描述的模型。
• 字幕中的文本信号携带独特且有价值的信息，这些信息无法被其他文本组件完全捕捉。
• 本研究证实，字幕在科技类众筹活动中是可信度与项目质量信号的重要来源。
• 研究结果表明，当前基于CATA的众筹研究尚未充分利用视频字幕，其作为未来研究的潜力数据源值得重视。
• 研究结果支持信号理论的理论框架，表明更丰富的文本信号有助于更准确地预测支持者的行为。