MétaCan
Menu
Retour à la cohorte
Enregistrement W2975797884 · doi:10.1002/mar.21263

From desire to help to taking action: Effects of personal traits and social media on market mavens’ diffusion of information

2019· article· en· W2975797884 sur OpenAlexaff
Isar Kiani, Michel Laroche

Notice bibliographique

RevuePsychology and Marketing · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésAction (physics)PsychologySocial mediaDiffusionSocial psychologyAdvertisingBusinessWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract While extant research has studied traits of market mavens and the link from mavenism to market helping behavior, there is a need for more research to understand personal and contextual factors that influence actual recommendations of products and differences among market mavens with different traits in that respect. In this study, we took research in the area of market mavenism one step further and investigated the role of personal traits such as self‐esteem and susceptibility to normative interpersonal influence, and the contextual factor of social media, in the frequency of recommendations. We hypothesize that while market mavens with lower self‐esteem are likely to engage in less frequent recommendations, negative effect of their lower self‐esteem is attenuated when they use social media platforms as their medium of choice. Our findings lend support to our hypotheses, including the triple interaction effect between self‐esteem, choice of social media, and market mavenism on market recommendations.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0000,000
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 Opus0,020
Tête enseignante GPT0,310
Écart entre enseignants0,289 · 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

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology and MarketingMême sujetDigital Marketing and Social MediaTravaux en français237 207