MétaCan
Menu
Retour à la cohorte
Enregistrement W2602631969 · doi:10.5539/ibr.v10n4p104

Investigating the Factors Influencing Parent Toy Purchase Decisions: Reasoning and Consequences

2017· article· en· W2602631969 sur OpenAlexvenueno aff
Barween Al Kurdi

Notice bibliographique

RevueInternational Business Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPurchasingPsychologyVariety (cybernetics)Test (biology)Set (abstract data type)Selection (genetic algorithm)MarketingSample (material)Social psychologyApplied psychologyDevelopmental psychologyComputer scienceBusinessStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to explore and verify the main determinants of parent toy-choice decision-making by using a theoretical model for toy-selection decisions and exploring toy-purchasing behaviour empirically. After reviewing a large number of previous studies, this study’s model was developed and designed. A variety of determinants were identified and then categorized into six main broad categories, namely, purpose-of-using related factors, emotional-related factors, educational-related factors, cost-related factors as well as child and parent demographic-related factors. A quantitative methodology was adopted to test the study’s model by drawing on six hypotheses, which were then tested statistically. A self-administrative survey was developed to collect the preliminary data from customers (mainly parents) who had been involved in toy purchasing by applying the convenience sampling method. The study hypotheses were tested and the findings were also discussed in-depth.The study found that parent toy purchase decision id derived by a set of factors which are purposes of using-related factors, emotional-related factors, informational-related factors, cost-related factors, children demographical-related factors and parental demographical-related factors.

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)0,004
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,007
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,222
Tête enseignante GPT0,413
Écart entre enseignants0,191 · 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

Citations28
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetConsumer Retail Behavior StudiesTravaux en français237 207