MétaCan
Menu
Retour à la cohorte
Enregistrement W2111900000 · doi:10.1177/1938965512443347

Scripting Employees

2012· article· en· W2111900000 sur OpenAlexaff
Liana Victorino, Alexander R. Bolinger

Notice bibliographique

RevueCornell Hospitality Quarterly · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésScripting languageService (business)Task (project management)HospitalityHospitality industryNoticeBusinessMarketingCustomer relationship managementService recoveryOrder (exchange)Computer scienceTourismService qualityManagement

Résumé

récupéré en direct d'OpenAlex

Because customers can recognize when hospitality firms are employing service scripts, an examination is in order to determine how customers perceive scripted service. This article assesses customer perceptions of scripted service encounters with both content analysis and quantitative analysis of more than 2,000 open-ended customer responses to a survey addressing service scripts. The study found both task- and treatment-related implications for customer reactions to scripted service. Customers’ overall sentiment toward scripting is more positive when they are focusing on task-related outcomes, but their comments turned more negative when they considered treatment-related implications, particularly when they detected employee insincerity in regard to the script. Management should consider these findings carefully because customers in this survey gave more notice to treatment-related issues than they did to task-related outcomes for the scripted service. A key implication is that managers may wish to reserve tight scripting for simple services for which efficiency is valued, such as hotel check-in or seating guests in a restaurant. For more complex services, scripts should be flexible, and managers should seek employee buy-in so that they are internalizing the script elements, rather than merely “surface acting.”

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,032
Tête enseignante GPT0,240
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCornell Hospitality QuarterlyMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207