MétaCan
Menu
Retour à la cohorte
Enregistrement W2128372215 · doi:10.5539/ach.v4n2p69

An Empirical Analysis of Consumer Product Evaluation from an Ethnic Subcultural Perspective

2012· article· en· W2128372215 sur OpenAlexvenueno aff
Safiek Mokhlis

Notice bibliographique

RevueAsian Culture and History · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnic groupMalayProduct (mathematics)Mobile phonePerspective (graphical)AdvertisingPhoneExploratory factor analysisPsychologyVariance (accounting)MarketingValue (mathematics)SociologySocial psychologyBusinessComputer scienceStatisticsService (business)Mathematics

Résumé

récupéré en direct d'OpenAlex

One of the most significant cultural manifestations in buyer behavior may be the way in which a product is evaluated as a function of its various attributes. People from different cultures have different experiences and value structures which may cause them to view products differently. This purpose of this study was to examine variation in product evaluation across three consumer ethnic subcultures in Malaysia: Malay, Chinese, and Indian. Mobile phone was chosen as the target product in this study. Exploratory factor analysis, comparison of means, and analysis of variance were employed to analyze the data collected through a questionnaire survey. The results indicate that image, reference group influence, media, and post-sale services best distinguish the three ethnic groups in their evaluation of mobile phone attributes. Theoretical and managerial implications were discussed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,085
Tête enseignante GPT0,352
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

Citations5
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Culture and HistoryMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207