MétaCan
Menu
Retour à la cohorte
Enregistrement W2760869985 · doi:10.1080/0965254x.2017.1384749

Product standardisation in the food service industry: post-purchase attitudes and repurchase intentions of non-Muslims after consuming halal food

2017· article· en· W2760869985 sur OpenAlexaffabout
Stephen Wilkins, Muhammad Mohsin Butt, Farshid Shams, Andrea Pérez

Notice bibliographique

RevueJournal of Strategic Marketing · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHalal products and consumer behavior
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésCognitive dissonanceBusinessMarketingProduct (mathematics)Service (business)Spillover effectAdvertisingEconomicsPsychology

Résumé

récupéré en direct d'OpenAlex

In order to satisfy the Muslim market segment, many restaurant and fast food companies in Western countries have standardised their products by switching to halal. The purpose of this research is to discover the extent to which non-Muslim consumers in non-Muslim countries experience cognitive dissonance when they think about restaurants and fast food outlets having likely served them halal-produced food, and the extent to which these consumers intend to repurchase halal food. Data came from a total sample of 1097 non-Muslim consumers in Canada, Spain and the United Kingdom. The full model, with religious identity, ethnic identification and interest in animal welfare as antecedents of cognitive dissonance, explained 35% of the variance in consumers’ repurchase intentions. Our findings suggest that many non-Muslims do not have a particular issue with consuming halal food, but they may react negatively if they unintentionally consume halal food and perceive that they have been deprived of information, or worse still, deliberately deceived. The research makes a number of contributions to marketing knowledge with regard to the negative spillover effects that can result from faith-based product standardisation, and the influences of consumer interest in animal welfare and deprivation of product information on consumer behaviour.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,069
Tête enseignante GPT0,347
Écart entre enseignants0,278 · 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

Citations30
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Strategic MarketingMême sujetHalal products and consumer behaviorTravaux en français237 207