MétaCan
Menu
Retour à la cohorte
Enregistrement W2311464513 · doi:10.1093/jcr/ucv096

Wealth and Welfare: Divergent Moral Reactions to Ethical Consumer Choices

2016· article· en· W2311464513 sur OpenAlexaff
Jenny G. Olson, Brent McFerran, Andrea C. Morales, Darren W. Dahl

Notice bibliographique

RevueJournal of Consumer Research · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAttributionScrutinyPerceptionGovernment (linguistics)Social psychologyMoral responsibilityWelfareTaxpayerPublic economicsBusiness ethicsMoral disengagementPsychologyEconomicsPolitical sciencePublic relationsLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This article examines perceptions of low-income consumers receiving government assistance and the choices they make, showing that this group is viewed differently than those with more resources, even when making identical choices. A series of five experiments reveal that ethical purchases polarize moral judgments: whereas individuals receiving government assistance are perceived as less moral when choosing ethical (vs. conventional) products, income earners, particularly high-income individuals, are perceived as more moral for making the identical choice. Price is a central component of this effect because equating the cost of ethical and conventional goods provides those receiving government assistance some protection against harsh moral judgments when choosing ethically. Moreover, earning one’s income drives perceptions of deservingness, or the right to spend as one desires. Those who receive assistance via taxpayer dollars are under greater scrutiny (frequently resulting in harsher moral judgments) by others. In addition to influencing perceptions of individual consumers, the results demonstrate that such attributions extend to groups who make ethical choices on others’ behalf, and that these attributions have real monetary consequences for nonprofit organizations.

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)0,003
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
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 Opus0,478
Tête enseignante GPT0,552
Écart entre enseignants0,074 · 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'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

Citations120
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer ResearchMême sujetEthics in Business and EducationTravaux en français237 207