PACKAGE TRANSPARENCY, OPACITY, AND WINDOWING: AN INVESTIGATION OF THE CANADIAN FOOD INDUSTRY PRACTICES
Notice bibliographique
Résumé
Package often represents the consumers' first contact with the product on the point of purchase (Underwood & Klein, 2002). Besides, consumers exposure to package often continues until its full consumption (Chandon, 2013). Package design elements have been shown to be a critical source of information consumers use to forge expectations and make choices about products and brands (Greenleaf & Raghubir, 2008; Orth & Malkewitz, 2008). While the marketing literature has seen a recent interest in the study of the effect of package design elements on product evaluation (e.g., Koo & Suk, 2016; Lui et al., 2017; Rundh, 2013), research on package transparency has been scarce (Deng and Srinivasan, 2013). However, understanding the use of transparency is key as it corresponds to a strong trend where consumers want to see what they are buying (Schrmann, 2008) and it has been shown to influence the amount of product consumed (Deng & Srinivasan, 2013). This study aims at contributing to the marketing research on structural package design elements, in particular transparency, by investigating the Canadian food industry's practices. A quantitative content analysis of 1,500 packages belonging to product categories where the use of transparency, opacity, and on-package windows is prevalent has been undertaken. This research offers a comprehensive understanding of the wide array of transparency, opacity and windowing practices adopted by food manufacturers and producers in different contexts. It highlights several future research avenues in terms of understanding the role of package opacity level, shape and location of windows, and substituting or complementing a displayed image on consumer product and brand judgement. From a managerial standpoint, it offers a broad view of the current use of transparency in several industries and underlines the advantages and downsides of the use of this package design element by food producers and manufacturers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».