The life cycle of a feature: modelling the transitions between feature states
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
Purpose Studies have suggested that attributes are dynamic and a life cycle of product and service attributes exists. When an innovative feature is introduced, the feature might attract and delight customers. However, with the passage of time the state of the attractiveness of this feature may change, for better or for worse. The purpose of this paper is to provide a detailed model that shows the factors and related sub-factors that affect the life cycle of a feature and thereby explain the changes that may happen to a feature over time. Design/methodology/approach This model provide detailed explanations of the direct and indirect factors that affect the states of a feature, the ones that affect the rate of adoption, and the ones that trigger the changes between states. The model uses a current-market product’s feature to discuss the effects of these factors on the life cycle of this feature in detail. Findings This paper extends the theory of attractive quality attributes by identified seven states of the feature in its life cycle. These states are as follows: unknown/unimportant state, honey pot state, racing state, required state, standard state, core state, and dead state. This paper also identified eight major factors that affect the transition of the feature from one state to another. These factors include demographic, socioeconomic, behavioural, psychological, geographical, environmental, organisational, and technological factors. Originality/value The findings of this paper provide additional evidence that product and service attributes are dynamic. This paper also increases the validity of the attractive quality attributes theory and the factors that affect the state of the feature in its life cycle. The understanding of the state of the feature in its life cycle, and the factors that influence this change, helps not only in the introduction of completely new features but also in knowing when to remove obsolescent ones.
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 | 0,005 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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