MétaCan
Menu
Retour à la cohorte
Enregistrement W2009508194 · doi:10.1509/jmr.11.0272

Can Small Victories Help Win the War? Evidence from Consumer Debt Management

2012· article· en· W2009508194 sur OpenAlexaff
David Gal, Blakeley B. McShane

Notice bibliographique

RevueJournal of Marketing Research · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésDebtLiberian dollarContext (archaeology)EconomicsConsumer debtBalance (ability)Monetary economicsPsychologyMacroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

The question of how people should structure goal-directed activity to maximize the likelihood of goal attainment is one of theoretical and practical significance. In particular, should people begin by attempting relatively easy tasks or more difficult ones? How might these differing strategies affect the likelihood of completing the overarching goal? The authors examine this question in the context of an important goal for a large number of consumers—getting out of debt. Using a data set obtained from a debt settlement firm, they find that (1) closing debt accounts is predictive of debt elimination regardless of the dollar balance of the closed accounts, whereas (2) the dollar balance of closed accounts is not predictive of debt elimination when controlling for the fraction of accounts closed. These findings suggest that completing discrete subtasks might motivate consumers to persist in pursuit of a goal. The authors discuss implications for goal pursuit generally and for consumer debt management specifically.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,196
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,251
Tête enseignante GPT0,486
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

Citations82
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetBehavioral Health and InterventionsTravaux en français237 207