MétaCan
Menu
Retour à la cohorte
Enregistrement W2084487415 · doi:10.1509/jmkr.48.4.701

Why Didn't I Think of That? Self-Regulation through Selective Information Processing

2011· article· en· W2084487415 sur OpenAlexaff
Remi Trudel, Kyle B. Murray

Notice bibliographique

RevueJournal of Marketing Research · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPleasureRegulatory focus theoryConsumption (sociology)Variety (cybernetics)Focus (optics)Information processingProduct (mathematics)PsychologyObject (grammar)Cognitive psychologyControl (management)Contrast (vision)Space (punctuation)Social psychologyComputer scienceArtificial intelligenceSociology

Résumé

récupéré en direct d'OpenAlex

In this article, the authors present an information-processing model of self-regulation. The model predicts that consumers with an active self-regulatory goal will tend to focus on the cost (rather than the pleasure) of consumption, and as a result, they are better able to control their behavior. In contrast to prior research, the authors find that consumers with an active goal are most vulnerable to self-regulatory failure when the object of desire is farther away from them (in either time or space) because as the distance increases they focus less on the costs of consumption. Finally, results indicate that if product information is not externally available (i.e., it must be recalled from memory), people are more likely to focus on pleasure and fail at self-regulation. The results are robust across four experiments using a variety of stimuli, goal primes, and information-processing measures.

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)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,196
Tête enseignante GPT0,463
Écart entre enseignants0,267 · 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

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