MétaCan
Menu
Retour à la cohorte
Enregistrement W2396360085 · doi:10.1080/10253866.2016.1172213

Pursuing fitness: how dialectic goal striving and intersubjectivity influence consumer outcomes

2016· article· en· W2396360085 sur OpenAlexaff
Pia A. Albinsson, B. Yasanthi Perera, G. David Shows

Notice bibliographique

RevueConsumption Markets & Culture · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésIntersubjectivityDialecticPsychologyAestheticsSociologyEpistemologySocial scienceArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Consumers increasingly engage expert service providers in their goal pursuits. While the literature focuses primarily on goal attainment, this presents just one stage of extended goal striving. Using Bagozzi and Dholakia’s [(1999). “Goal Setting and Goal Striving in Consumer Behavior.” Journal of Marketing 63 (Special Issue): 19–32] goal-striving framework as the foundation, this qualitative research examines the client–trainer interactions in the goal-striving process. We find that goal striving with the aid of expert service providers entails intersubjectivity. The consumer wrestles with multiple understandings of fitness to determine and pursue a goal. This considers the individual’s perceptions and desires, cultural and societal discourses, and trainer’s views. Effective goal pursuit requires shared understanding between client and trainer. It entails a moment of release when consumers accept their inability to translate goals into actions alone. This occurs at multiple stages of the process. By examining the influence of service providers on goal strivers, this research extends our understanding of goal striving as an accepted agreement between the Self and Other.

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)0,007
score de la tête « metaresearch » (Gemma)0,021
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0070,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
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 Opus0,021
Tête enseignante GPT0,249
Écart entre enseignants0,229 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConsumption Markets & CultureMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207