MétaCan
Menu
Retour à la cohorte
Enregistrement W2171939420 · doi:10.1177/1094670514559187

The Nature and Implications of Consumers’ Experiential Framings of Failure in High-Risk Service Contexts

2014· article· en· W2171939420 sur OpenAlexaff
Linda Tuncay Zayer, Cele C. Otnes, Eileen Fischer

Notice bibliographique

RevueJournal of Service Research · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueService and Product Innovation
Établissements canadiensYork University
Organismes subventionnairesCenters for Disease Control and Prevention
Mots-clésExperiential learningTypologyFraming (construction)Service providerMarketingServices marketingBusinessService (business)Public relationsTransformative learningPsychologySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Many services, particularly those related to health care, can be considered high-risk in that despite service providers’ best efforts, consumers may not attain the outcomes they hope to achieve. Recent research highlights how cultural models regarding service providers influence the ways consumers experience and respond to failure. What bears investigating is how these cultural models and consumers’ related framings of failure shape consumer experience in high-risk contexts. Analyzing data from informants engaged with various types of infertility services, we develop a typology of four consumer experiential framings of failure that explore their experiences across three dimensions. These are as follows: the implicit cultural model that shapes relationships with service providers, the implicit cultural model regarding goal pursuit, and consumers’ tacit understandings regarding their appropriate courses of action in response to failure. We link each distinct type of experiential framing to consumers’ distinct set of expectations related to service recovery. And we offer insights for service providers on how to manage their relationships with consumers and (in the tradition of transformative services research) how to enhance consumer well-being.

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)0,013
score de la tête « metaresearch » (Gemma)0,027
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,018
Communication savante0,0070,007
Science ouverte0,0010,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,313
Écart entre enseignants0,291 · 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

Citations38
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Service ResearchMême sujetService and Product InnovationTravaux en français237 207