A Proposal for a New Size Label to Assist Consumers in Finding Well-fitting Women’s Clothing, Especially Pants: An Analysis of Size USA Female Data and Women’s Ready-to-wear Pants for North American Companies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the USA, Canada and Europe labels that disclose garments’ composition, origin, commercial brand or price at point of sale are required. No law governs garment size labels and underlying measurements. Standard size chart determination is not an easy task and has always been challenging for national institutes of standardization, manufacturers and retailers. Moreover, size standards are voluntary, therefore those who initiate garment orders can decide whether or not to adhere to national standards. Since size labels and standards are voluntary, some of the buyers or their intermediaries prefer to target specific ‘silhouette and shape’ markets by adapting their measurements, while others play the vanity sizing card. Confusion occurs as companies in North America all use the same numerical size labeling systems. The research discussed in this paper demonstrates that manufacturers in North America size garments (pants) according to their own, specific target markets (which differ from one another), to cover most of the population; they then label these garments with reference to a single numerical code size labeling system which leads to chaos in the market place. Besides being challenging for the apparel industry, the size label system creates an ambiguous situation for the consumer who cannot rely on the size label to identify a good fitting garment, and thus is spending undue time trying clothes. We conclude that the time has come to standardize the size label in order to provide better fitting clothes for ready-to-wear.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 découle