MétaCan
Menu
Retour à la cohorte
Enregistrement W194338735

Pre-Purchase Online Information Seeking: Search versus Browse.

2003· article· en· W194338735 sur OpenAlexaff
Brian Detlor, Susan Sproule, C H Rahul Gupta

Notice bibliographique

RevueJournal of electronic commerce research · 2003
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProduct (mathematics)Selection (genetic algorithm)World Wide WebFocus (optics)Interface (matter)Exploratory researchAdvertisingHuman–computer interactionBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Recognizing the need to support both goal-directed and experiential behaviour in online shopping environments as a means of facilitating flow, this paper reports results from an exploratory study that investigates consumer preferences for Web-based product information display across browsing and searching tasks. Thirty-one participants performed two online shopping tasks (one searching and one browsing in nature) on predetermined e-tailing sites and were asked to evaluate the display of product information on these sites in helping them carry out these tasks. Results suggest three things: 1) information such as pricing, product description, retailer selection, retailer advice, and a good interface design are required in both tasks; 2) searching requires more detailed product information; and 3) browsing places greater emphasis on information about the retailer. Based on these findings, a theoretical framework for Web-based product information display is presented. With respect to the design of Web retailing sites, the study’s results imply the need to focus not only on goal-directed search, but also on non-directed browsing tasks as well. It is argued that adapting the design of e-tailing sites to the unique information display requirements of search and browse tasks could help promote more compelling online shopping experiences for consumers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,266
Tête enseignante GPT0,505
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of electronic commerce researchMême sujetTechnology Adoption and User BehaviourTravaux en français237 207