Les routes multiples d'auto-expression <i>versus</i> d'inter-expression dans le choix du consommateur
Notice bibliographique
Résumé
Les études relatives à la prise de décision du consommateur débutent souvent par l'identification d'une dimension sur laquelle les options diffèrent, suivie par l'analyse des facteurs qui influencent les préférences sur cette dimension. Construisant leur raisonnement sur une analyse conceptuelle de divers types de problèmes, les auteurs identifient chez les consommateurs des catégories de choix qui y sont associés (extrêmes vs source de compromis, hédoniques vs utilitaires, prêts au risque vs prudents) qui peuvent tous être classés en fonction de leur niveau d'expression: auto-expression versus inter-expression (ou caractère (non) conventionnel). Comme le démontrent quatre études, ces types de problèmes réagissent de façon similaire aux manipulations qui déclenchent ou suppriment l'auto-expression. De manière spécifique, amorcer l'auto-expression augmente systématiquement la part d'options auto-expressives dans les problèmes de choix. À l'inverse, le fait de s'attendre à être évalué diminue la part des options auto-expressives parmi les différents dilemmes de choix. De plus, initier la recherche de risque augmente seulement le choix de paris risqués, mais pas celui d'autres options auto-expressives. Ces résultats mettent en lumière l'importance de rechercher des attributs sous-jacents communs aux différents problèmes de choix des consommateurs, plutôt que de traiter chacun d'entre eux isolément.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».