Using previous social marketing efforts to assess a new program
Notice bibliographique
Résumé
Purpose This paper aims to report a research approach that explores how to use evaluations of previous social marketing efforts to assess and guide a new shelterbelt program called Working Tree. By targeting farmers, this new program aims to gain benefits from enhancing and expanding on-farm tree shelterbelts on the Canadian prairies. Design/methodology/approach This paper uses a novel method that relies on secondary data from six completed social marketing cases as data for a comparative analysis with the new program. A conceptual framework is proposed and applied. This framework incorporates process and outcome indicators of evaluation, key dimensions of the rational choice theory and proven practices from experience. Findings Analysis suggests key parameters of the Working Tree program to be appropriate, with some modifications. However, limitations in the data also point to avenues for future research to deepen the authors’ understanding of assessing a new social marketing program in the prelaunch phase. More research is needed on what works, where and why. Research limitations/implications The seven indices are a modest set for comparatives and are not exhaustive. Six selected cases are small samples that are unable to fully reflect the environmental nature of the new program; yet, they contained critical data for the comparative analysis. Financial data are not in constant dollars, which would be needed when further analysis is undertaken. Practical implications This paper illustrates the importance of the evaluation stage of the social marketing process. It demonstrates the practicality of being able to effectively draw upon previous evaluations to inform new program investors and social marketers at the prelaunch stage. Originality/value The conceptual framework and method present a novel approach to use evaluation data to guide new program funding and initiatives. It is offered with the hope that others might draw upon the ideas presented here and advance them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».