MétaCan
Menu
Retour à la cohorte
Enregistrement W2792520784 · doi:10.1177/1469540518764247

Emotion and consumption: Toward a new understanding of cultural collisions between Hong Kong and PRC luxury consumers

2018· article· en· W2792520784 sur OpenAlexafffund
Annamma Joy, Russell W. Belk, Jeff Jianfeng Wang, John F. Sherry

Notice bibliographique

RevueJournal of Consumer Culture · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHong Kong and Taiwan Politics
Établissements canadiensYork UniversityUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésConsumption (sociology)Nexus (standard)Embodied cognitionConspicuous consumptionSociologyResentmentIdentity (music)Competition (biology)Luxury goodsPoliticsSocial psychologyPolitical economyPsychologyAestheticsEconomicsAdvertisingPolitical scienceBusinessSocial scienceEmerging marketsLaw

Résumé

récupéré en direct d'OpenAlex

Incorporating Illouz’s theory of emotions, this study examines how specific emotions drive consumption, as embodied by escalating conflicts between Hong Kong and the PRC luxury consumers. When affluent Mainlanders pursue status signifiers via consumption of relatively affordable luxury goods in Hong Kong, local residents’ disdain triggers a nexus of emotions: envy, resentment, and status anxiety, linked to fears of being occupied by and assimilated into Chinese culture. Deploying cultural capital and status competition rooted in imagination and refinement, Hong Kongese contrast their knowledge-based use of luxury brands with the avid consumption of PRC visitors, fueled by often extreme wealth. For Hong Kongese, such one-upmanship degenerates into self-doubt and self-failure in their image management attempts, precipitating intense hostility toward PRC consumers. Emotions engender colliding notions of self, status, and cultural and political identity between these disparate yet intertwined cultures.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,004
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,115
Tête enseignante GPT0,360
Écart entre enseignants0,245 · 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'étudeQualitatif
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

Citations22
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer CultureMême sujetHong Kong and Taiwan PoliticsTravaux en français237 207