MétaCan
Menu
Retour à la cohorte
Enregistrement W2048959056 · doi:10.1509/jmkg.72.6.81

Damage from Corrective Advertising: Causes and Cures

2008· article· en· W2048959056 sur OpenAlexaff
Peter R. Darke, Laurence Ashworth, Robin Ritchie

Notice bibliographique

RevueJournal of Marketing · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensQueen's UniversityCarleton UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésDistrustReputationScope (computer science)BusinessAdvertisingMechanism (biology)OpportunismMarketingLaw and economicsEconomicsPsychologyPolitical scienceMarket economyComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Corrective advertising can be problematic because it undermines responses both to other products advertised by the corrected firm and to products advertised by second-party advertisers. However, a positive reputation insulates second-party firms from these carryover effects, provided that this reputation is based on an endorsement from an independent regulator. Furthermore, firm responses that include an explanation for the misleading claim prove to be effective in avoiding the negative side effects of correction. These findings add to the correction literature by (1) showing that this form of regulation can have much broader side effects than demonstrated previously, (2) identifying distrust as the mechanism by which these effects occur, and (3) suggesting strategies to protect firms from the negative side effects of correction. The findings also support the defensive consumer distrust model and help define the scope of this model.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,131
Score d'incertitude au seuil0,321

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,026
Tête enseignante GPT0,236
Écart entre enseignants0,210 · 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.

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

Citations50
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MarketingMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207