Interactive Decision Aids for Consumer Decision Making in E-Commerce: The Influence of Perceived Strategy Restrictiveness1
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper extends the effort–accuracy framework of cognition by taking into account the perceived strategy restrictiveness of decision aids, and tests the extended framework in a context in which online decision aids are used to elicit consumers’ preferences, automate the processing of the preferences, and provide product advice for consumers. Three types of decision aids with different decision strategy support capabilities (an additive-compensatory based aid, an elimination-based aid, and a hybrid aid supporting both strategies) are compared in terms of users’ perceptions of strategy restrictiveness, advice quality, and cognitive effort. These comparisons are grounded on the properties of normativeness and complementarity of decision strategies employed by the aids. A normative strategy takes into account both the users’ attribute preferences and the relative importance of such preferences, and allows for trade-offs among preferences (e.g., additive–compensatory). Strategy complementarity indicates support for decision rules based on multiple strategies (e.g., both additive–compensatory and elimination strategies). The experimental results support the validity of the extended effort–accuracy–restrictiveness framework and the effects of strategy normativeness, but not the effects of strategy complementarity. In addition to the perceptions of cognitive effort and advice quality, perceived strategy restrictiveness exerts a significant influence on consumers’ intentions to use online decision aids. The additive–compensatory aid is perceived to be less restrictive, of higher quality, and less effortful than the elimination aid, whereas the hybrid aid is not perceived to be any different from the additive–compensatory aid.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle