Le marketing du Neuromarketing : Enjeux académiques d’un domaine de recherche controversé
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
Since the 1990s, a growing number of social science researchers collaborate in the creation of areas of research such as neurolaw, neuroeducation, neuroeconomy or neuromarketing. Sometimes referred to as ‘neurodisciplines’, these areas of research share a common postulate: the measure and analysis of the nervous system’s activity offers the possibility of discovering new ways of explaining human behaviour. Neuromarketing first appeared in the early 2000s and has developped in both university laboratories and private ones. Neuromarketers aim to understand consumer behaviour by applying neuroscientific theories and methods of measuring neurobiological activity to marketing questions. As a controversial topic, neuromarketing is critized in both the public space and academia. Some members of the media, some consumer associations and some neuromarketers see neuromarketing as having a more or less realistic power of persuasion (Lindstrom, 2009) while most neuroscientists qualify it as a scam or publicity stunt (Nature, 2004). Starting from bibliometric analysis of neuromarketing publications, we define the shifting boundaries of this area of research whose subject itself is still opened to debate. Building on Pierre Bourdieu’s work on the scientific field, we highlight the forces that shape this speciality both in and out of the academic field. Based on semidirective interviews, we demonstrate that neuromarketers have to develop discursive strategies to distance themselves from the controversial image of neuromarketing and adopt publication strategies in order to disseminate the results of their research in the scientific field.
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 | 0,007 | 0,005 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,003 | 0,010 |
| Science ouverte | 0,001 | 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