MétaCan
Menu
Retour à la cohorte
Enregistrement W2797947851 · doi:10.22215/etd/2016-11314

Apparel Mass Customization: Exploring Canadian Consumer Attitudes

2016· dissertation· en· W2797947851 sur OpenAlexaboutno aff
Hala Hawa

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClothingMass customizationPersonalizationProduct (mathematics)MarketingProduct categoryBusinessAdvertisingPsychologyMarket segmentationService (business)Political science

Résumé

récupéré en direct d'OpenAlex

Apparel mass-customization is a relatively new service and product concept, which engages consumers in co-designing clothing online for a tailored product. This study explores Canadian consumers' attitudes towards clothing, custom clothing, and co-design apparel online, and assesses the potential for the adoption of this concept in Canada. This study is guided by multi-component attitude model, where attitudes are formed by cognitive, affective, and prior experiences. The findings indicate that Canadian participants have a positive attitude towards custom clothing, and the co-design process. Results show that the sample was ready to adopt co-designing clothing online, provided they trusted the service, had access to good interactive and efficient online tools, a variety of design options, and design help. The majority of the sample was willing to pay more, and willing to wait longer for their co-designed clothing. Each of these findings is examined by a multi-layer consumer segmentation of gender, social tendency and shopping behaviour. The study uses two sets of sources, and two data collection methods. Sources included 13 adult Canadian consumers, and 11 industry experts from Canada, United States, Western Europe, and Australia. Data collection methods included a semi-structured interview, and a questionnaire. Consumer responses are compared with industry experts for validity and to provide a 360 perspective. Consumer and expert responses are compared and contrasted with relevant academic literature.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,754
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0040,004

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 Opus0,055
Tête enseignante GPT0,259
Écart entre enseignants0,204 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConsumer Retail Behavior StudiesTravaux en français237 207