Designing for Diagnosticity and Serendipity: An Investigation of Social Product-Search Mechanisms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Users are increasingly sharing their product interests and experiences with others on e-commerce websites. For example, users can “tag” products using their own words, and these “product tags” then serve as navigation cues for other users who want to search for products. Also, socially endorsed information contributors are sometimes highlighted on websites and serve as direct information sources. This study examines the effects of these two distinct social product search cues, product tags and socially endorsed people, on users’ perceived diagnosticity and serendipity of their product search experience. While product tags support product navigation via a variety of product features tagged by the community, access to socially endorsed people enables users to browse diverse and high-quality alternatives favored by these individuals. We constructed an experimental website using real data from one of the largest social-network-based product-search websites in China to conduct an empirical study. The results of this study show that product tags help users to locate and evaluate relevant alternatives, thus enhancing the perceived diagnosticity of product search, whereas the integration of product tags and access to socially endorsed people enables users to conduct even more serendipitous searches. In addition, both perceived diagnosticity and perceived serendipity of a search experience positively affect users’ decision satisfaction. The online appendix is available at https://doi.org/10.1287/isre.2017.0695 .
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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