MétaCan
Menu
Retour à la cohorte
Enregistrement W2796136076 · doi:10.30958/ajbe.4.2.1

The Combined Effects of Service Offering and Service Employees on the Perceived Corporate Reputation

2018· article· en· W2796136076 sur OpenAlexaff
Nha Nguyen, Gaston LeBlanc

Notice bibliographique

RevueAthens Journal of Business & Economics · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésBusinessService (business)ReputationMarketingSociology

Résumé

récupéré en direct d'OpenAlex

The present study contributes to the understanding of the role of two major components of the service production and delivery system in reinforcing the perceived corporate reputation. Specifically, the purpose of this study is to assess the combined effects of service offering and service employees on customers' perception of corporate reputation. A hierarchical multiple regression with interaction analysis was performed on data collected from customers of a banking institution to assess the main effect of service offering and service employees, as well as their interactive effect on customers' perception of corporate reputation. A significant interaction between service offering and service employees in their influence on corporate reputation was found. This results suggest that service employees intervene as a moderator variable in the relationship between service offering and corporate reputation. Furthermore, service organizations should focus on the crucial role of the service offering during the service encounter and recognize the importance of service employees in such way to reinforce customers' perception of corporate reputation. The study has limited generalization given the convenience sample and the great variety of service industries. The efficacy of the direct measures and the hierarchical multiple regression must be considered. It would be helpful to realize similar studies in other service settings and to explore the exact nature of the interaction between service offering and service employees.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,790
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,221
Écart entre enseignants0,188 · 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 tête enseignante, 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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAthens Journal of Business & EconomicsMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207