MétaCan
Menu
← Retour à la cohorte
Enregistrement W2131397210 · doi:10.5539/ass.v10n24p248

Development of Methodology to Assess the Effect of Cross-cultural Differences in the Consumer Behavior

2014· article· en· W2131397210 sur OpenAlexvenueno aff
Elena V. Noskova, Irina MatveevnaRomanova

Notice bibliographique

RevueAsian Social Science · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Industry and Aquatic Biology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaValue (mathematics)GlobalizationRelevance (law)Government (linguistics)BusinessInstitutionMarketingEconomic geographyEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The article notes that globalization and the development of international trade leads to an increase in the flow of goods, services, and ideas across borders and cultures, as well as reduction of technological barriers that increases the relevance of cross-cultural research. The purpose of this study is to develop methodological tools to assess the effect of cross-cultural differences in the consumer behavior in the fish and seafood market. A cultural model, reflecting a set of cultural values, the characteristics of material environment (level of scientific and technological development and its potential, natural resources, the level of economic development, and the geographical location of the country), the institutional environment (the value of the family as a social institution, the effect of government regulation and the activities of environmental organizations, as well as the level of literacy and education). The study highlighted specific features of a culture-specific model development with due consideration of fish and seafood markets. The results of testing the proposed survey frame are presented through the example of Asia-Pacific (AP) region countries, such as China, Russia and South Korea.

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)0,052
score de la tête « metaresearch » (Gemma)0,103
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,103
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,175
Tête enseignante GPT0,392
Écart entre enseignants0,217 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social Science→Même sujetFood Industry and Aquatic Biology→Travaux en français237 207→