An Appealing Connection–The Role of Relationship Marketing in the Attraction and Retention of Students in an Australian Tertiary Context
Notice bibliographique
Résumé
The higher education sector is increasingly facing competition from tertiary providers at both a domestic and international level. This has led to a range of ever more complex challenges with regard to the attraction, maintenance and retention of the student base. There is an important need therefore to understand the factors which contribute to positive perceptions of tertiary services and the way in which these affect the student experience and drive student retention. The improvement of retention rates through the formation of meaningful and long-term relationships with students is subsequently of high importance. This research explores students’ perceptions of the relationship that they enter into with their chosen tertiary institution and the effect that this has on the development of student loyalty. In particular this research examines the salience of relationship appeal, satisfaction, affective commitment and trust on student loyalty. A structural equation modelling approach was adopted using a sample of 426 first year undergraduate students of a large Australian metropolitan university. Importantly, next to satisfaction, relationship appeal was found to be the second strongest determinant of student loyalty. This was then followed by affective commitment. Interestingly trust did not influence relationship development. Conclusions, implications and opportunities for future research are presented. From a managerial perspective, it is expected that uncovering first year students’ perceptions of the student-institution relationship will enable higher education institutions to develop more targeted relationship marketing programs and increase student retention.
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».