The more I err, the less I pay
Notice bibliographique
Résumé
Purpose This study aims to investigate the effects of firm characteristics and crisis characteristics on remedies offered to consumers by firms in the event of a product recall crisis. Design/methodology/approach Published data on 868 product recalls in the US toy industry from 1988 to 2011 have been used to investigate the effects of firm experience in product recalls, type of firm (company versus intermediary) and product recall severity in predicting remedies offered to consumers in the event of a product recall. Findings The findings show that firm recall experience, firm type and recall severity are negatively associated with recall remedies offered. Specifically, firms offer lower remedies if they have higher recall experience, if they are upstream firms in the supply chain (farther from consumers) and if the recall is more severe. Research limitations/implications This study focuses on the toy industry and does not consider product complexity, firm reputation and the role of external regulatory agencies in the prediction of remedies offered by firms. Future research may extend this study to include the above factors. Practical implications Offering a high remedy to consumers of a recalled product may be a responsible decision by a firm, but it may also attract shareholder wrath. The study has implications for managing multiple goals in product recall crisis management. Originality/value Studies focused on issues of interest to consumers during a recall crisis, such as swift recalls and appropriate remedies, are limited. This study contributes to the understanding of the antecedents of recall remedies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,101 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».