MétaCan
Menu
Retour à la cohorte
Enregistrement W2429966401 · doi:10.1080/00140139.2016.1193634

Young consumers’ considerations of healthy working conditions in purchasing decisions: a qualitative examination

2016· article· en· W2429966401 sur OpenAlexaff
Shane M. Dixon, Anna-Carin Nordvall, Wendy Cukier, Patrick Neumann

Notice bibliographique

RevueErgonomics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueErgonomics and Human Factors
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPurchasingMarketingProduct (mathematics)BusinessWillingness to payQualitative researchEconomics

Résumé

récupéré en direct d'OpenAlex

Research has suggested that products manufactured under healthy work conditions (HWC) may provide a marketing advantage to companies. This paper explores young consumers' considerations of HWC in purchasing decisions using data from qualitative interviews with a sample of 21 university students. The results suggest that interviewees frequently considered the working conditions of those who produced the products they purchased. Participants reported a willingness to pay 17.5% more on a $100 product if it were produced under HWC compared to not. Their ability and willingness to act on this issue was, however, hampered by a lack of credible information about working conditions in production, the limited availability of HWC goods and a presumed higher price of HWC goods. While caution should be applied when generalising from this targetable market segment to a general population, these results provide actionable direction for companies interested in using a HWC brand image to gain a strategic sales advantage. Practitioner Summary: This interview study shows that young consumers are interested in, and willing to pay a premium for, goods made under healthy working conditions (HWC). Reported barriers to acting on this impulse include a lack of credible information on working conditions. Ergonomics can help provide a strategic marketing advantage for companies.

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)0,009
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,010
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,062
Tête enseignante GPT0,301
Écart entre enseignants0,239 · 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

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueErgonomicsMême sujetErgonomics and Human FactorsTravaux en français237 207