The role of online product reviews on information adoption of new product development professionals
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
Purpose – The purpose of this paper is to investigate the impact of features involving online product reviews (OPRs) on information adoption by new product developers (NPDs). Design/methodology/approach – In total, 143 OPRs on a specific product on Amazon.com were collected as the sample of this study. Using content analysis ratings and observed data in OPRs, the research model was analyzed with the partial least squares (PLS) method. Findings – Results suggest that helpfulness rating and the degree of referencing are positively associated with NPDs’ information adoption, while the extremeness of product rating is negatively associated. Moreover, title attractiveness mitigates the negative relationship between the extremeness of product rating and information adoption. Practical implications – The findings provide interesting insight for NPDs who visit e-commerce sites to learn through electronic word-of-mouth (eWOM) communication. OPRs with a higher degree of referencing, higher helpfulness rating, moderate level of product rating, and higher degree of title attractiveness are better adopted by NPDs. Social implications – This paper investigates the value of OPRs for a specific group of information users and suggests that information about products generated by anonymous consumers can be crucial. Originality/value – While extant studies have focussed on the impacts of OPRs on consumers’ purchasing intention and behavior, this paper is among the first attempts to investigate the impacts of OPRs on developers’ information adoption. Therefore, it contributes to the body of knowledge on knowledge transfer from consumers to business as well as the information adoption literature.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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