MétaCan
Menu
Retour à la cohorte
Enregistrement W2973280480 · doi:10.1108/bfj-01-2019-0002

Situational factors in alcoholic beverage consumption

2019· article· en· W2973280480 sur OpenAlexaff
Cristina Calvo-Porral, Jean-Pierre Lévy-Mangín

Notice bibliographique

RevueBritish Food Journal · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWine Industry and Tourism
Établissements canadiensUniversité du Québec
Organismes subventionnairesnon disponible
Mots-clésSituational ethicsConsumption (sociology)Context (archaeology)MarketingConsumer behaviourOriginalityMarket segmentationQuality (philosophy)Structural equation modelingValue (mathematics)Product (mathematics)Sample (material)BusinessAdvertisingPsychologySocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose Situational factors influence food and drink consumption, being how, when and where, not fully researched. In this context, the purpose of this paper is to address the influence of “where” in alcoholic beverage consumption. That is, the authors examine the influence of the place of consumption, comparing consumer behaviour at home and at hostelry outlets. Design/methodology/approach For this purpose, beer was selected as the alcoholic beverage category. Then, a conceptual model of consumer behaviour was proposed and empirically tested through multi-group structural equation modelling (SEM) on a sample of 525 beer consumers (home consumers=209 and hostelry consumers=316. Findings The findings show that the place of consumption influences alcoholic beverage consumer behaviour. While home consumers demand value for money, hostelry consumers seek for product perceived quality. Practical implications This research suggests the applicability of situational factors to the beverages market, providing a starting point for situational segmentation. Originality/value The authors’ major contribution is the empirical examination into how alcoholic beverage consumption behaviour is situational dependent.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,006
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,221
Écart entre enseignants0,196 · 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.

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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Food JournalMême sujetWine Industry and TourismTravaux en français237 207