Trust building in wine blogs: a content analysis
Notice bibliographique
Résumé
Purpose The purpose of this paper is to identify trust‐building signals and signaling patterns of commercial and non‐commercial wine bloggers within a trustworthiness framework and assess prominence of balanced versus unbalanced resource‐based or compensatory approaches for the management of consumer trust beliefs and the facilitation of positive trust intentions. Design/methodology/approach Development and validation of theory‐based signal‐classification scheme and two‐stage content analysis of trust‐building signals embedded in wine blogs. Findings It is found that wine bloggers manage consumer trust beliefs using an unbalanced signaling approach emphasizing ability over character. Ability sub‐dimension signals vary by commercial orientation. Also, character signaling varies with commercial orientation. Research limitations/implications Only English‐language wine blogs were studied. Limitations of content analysis procedures preclude direct evaluation of signal efficacy in absolute or contextualized terms. Practical implications Bloggers must secure reader trustworthiness to be effective communicators. Readers are likely to possess latent concerns about the bias of commercial bloggers and abilities of non‐commercial ones. Bloggers recognize the importance of ability signaling but may not be fully exploiting their positions of perceived advantage nor fully compensating for their distinctive inherent perceived weaknesses. Social implications Trustworthiness signaling in wine blogs has implications for bloggers in other contexts, including consumer and non‐consumer information environments and not‐for‐profit and governmental communicators. Blog and blogger trustworthiness must be addressed by these communicators to effect audience persuasion. Originality/value The paper discusses deductive development and validation of a novel signal classification scheme applied to trust building by bloggers that, through analysis of signal content, sheds light on behavior of commercial and non‐commercial information sources in emerging product information environments.
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 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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».