The effect of accent of service employee on customer service evaluation
Notice bibliographique
Résumé
Purpose The primary objective of this paper is to investigate the attitudes, feelings and perceptions of Australian consumers towards service frontline employees with accents that differ from Standard Australian English, taking into consideration service‐country image and customer emotions. Design/methodology/approach This paper reports on a qualitative study designed to uncover the attitudes and perceptions of Australians towards service personnel with foreign accents. Findings The findings revealed that hearing a service provider with a foreign accent, particularly in services encounters without face‐to‐face contacts, often evokes a negative predisposition to certain accents, reduces the customers' level of tolerance and increases the perception of the service provider's lack of understanding. This negative stereotype bias seems to be moderated by the accent (a proxy of ethnicity) and service‐country image and influenced by customer emotions in the service interaction. Research limitations/implications Future studies could also use a controlled experimental design where accent could be used as a sensory cue to further test the validity and reliability of the current findings while controlling for factors such as ethnic background, employment, education and age. Further research should also take service types and service outcomes into consideration in examining the effect of accents on customer service evaluation. Practical implications Accent as a service employee attribute influences customers' evaluation of the service encounter because of the stereotype customers have. Training in language skills, cross‐cultural interpersonal skills and authority to deviate from the script should be given to minimise the negative effect of service employee accent. Service firms also need to develop strategies to manage customer emotions and reactions. Originality/value This paper contributes to the service literature about service employee attributes and is particularly relevant to economies such as the USA, Canada, the UK, New Zealand and Australia where immigrants are a large part of the service workforce.
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 | 0,005 | 0,015 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».