MétaCan
Menu
Retour à la cohorte
Enregistrement W2970899492 · doi:10.1002/bse.2380

The effect of greenwashing on online consumer engagement: A comparative study in France, Germany, Turkey, and the United Kingdom

2019· article· en· W2970899492 sur OpenAlexaboutno aff
İbrahim Topal, Sima Nart, Cüneyt Akar, Alptekin Erkollar

Notice bibliographique

RevueBusiness Strategy and the Environment · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenwashingSocial mediaAdvertisingQuarter (Canadian coin)BusinessKingdomPolitical scienceCorporate social responsibilityGeographyPublic relations

Résumé

récupéré en direct d'OpenAlex

Abstract The effect of the Volkswagen emission crisis in 2015, the biggest greenwashing event in recent years, on the online consumer engagement of Facebook brand pages was investigated in France, Germany, Turkey, and the United Kingdom. These countries have been selected for the reason that Volkswagen sales and diesel‐engine cars and the use of social media are quite common. For 6 years in these four countries, the likes, comments, and shares made by consumers on the Facebook brand page of Volkswagen have been examined. The monthly dataset covers January 2012 to December 2017. The obtained data were analyzed with autoregressive–moving average models. Despite a globally positive approach to green products, countries' attitudes toward greenwashing have been significantly different. The findings showed that online consumer engagement was negative in the United Kingdom and Turkey and in a positive direction in Germany, whereas there was no change in France in the fourth quarter of 2015.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,401
Score d'incertitude au seuil0,507

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
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 Opus0,026
Tête enseignante GPT0,289
Écart entre enseignants0,263 · 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

Citations73
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetDigital Marketing and Social MediaTravaux en français237 207