MétaCan
Menu
Retour à la cohorte
Enregistrement W2907186477 · doi:10.1177/0022243718817004

Attention, Information Processing, and Choice in Incentive-Aligned Choice Experiments

2018· article· en· W2907186477 sur OpenAlexaff
Liu Yang, Olivier Toubia, Martijn G. de Jong

Notice bibliographique

RevueJournal of Marketing Research · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensColumbia College
Organismes subventionnairesLabex EcodecAgence Nationale de la Recherche
Mots-clésNoveltyBounded rationalityPreferenceIncentiveConsumer choiceTask (project management)Information processingComputer scienceProcess (computing)EconometricsEconomicsMicroeconomicsPsychologyCognitive psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

In incentive-aligned choice experiments, each decision is realized with some probability, Prob. In three eye-tracking experiments, we study the impact of varying Prob from 0 (as in purely hypothetical choices) to 1 (as in real-life choices) on attention, information processing, and choice. Consistent with the bounded rationality literature, we find that as Prob increases from 0 to 1, consumers process the choice-relevant information more carefully and more comprehensively. Consistent with the psychological distance literature, we find that as Prob increases from 0 to 1, consumers become less novelty seeking and more price sensitive. These findings underscore that even with incentive alignment, preference measurement choice experiments such as choice-based conjoint analyses only represent an approximation of real-life choices. Although it is not feasible to systematically use questions with high Prob in the field, we predict and find that placing a higher probability question (such as an external validity task) at the beginning rather than the end of a questionnaire has a carryover effect on attention and information processing throughout the questionnaire, and it influences preference estimates as well.

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)0,010
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
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 Opus0,148
Tête enseignante GPT0,338
Écart entre enseignants0,191 · 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

Citations40
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetEconomic and Environmental ValuationTravaux en français237 207