Disability Orientation and Regulatory Focus in the Assistive Technology Context: A Study of Deaf and Hard-of-Hearing Consumers
Notice bibliographique
Résumé

 
 
 With people with disabilities (PwDs) representing 15% of the United States population, the PwD market demonstrates significant potential as a lucrative target market for businesses. Yet, empirical data is lacking on consumer behaviour among PwDs considering assistive technology products to enhance accessibility. The purpose of this study is to understand the purchase decision process through the lens of a major theory of consumer behaviour, regulatory focus. 171 deaf and hard-of-hearing individuals primarily aged 18-29 were surveyed on two empirically tested scales that measure regulatory focus and disability orientation. This survey included the viewing of a fictional advertisement about an assistive technology product. The findings supported the evidence of a relationship between disability orientation and regulatory focus. A sense of exclusion, social model acceptance, and disability pride were statistically significant predictors of either or both regulatory focus orientations with regard to assistive technology products. Also, whether the subject did/did not have a second disability was partly determinative of prevention focus. Segmentation by disability identity and regulatory focus is suggested. The findings are an important contribution to the established literature on regulatory focus, and fill a major empirical gap in marketing literature for the PwD market. The limitations to this study include the continuing theoretical evolution of disability orientation, and the limitation of the sample to a single disability type (deafness) within a single age group. Similar studies on other disability types could better establish the findings of this study.
 
 
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 | 0,002 | 0,001 |
| 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 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».