MétaCan
Menu
Retour à la cohorte
Enregistrement W2992384936 · doi:10.1080/02134748.2019.1682293

Age preferences for advertisement models differ by their gender / Las preferencias de edad de los modelos publicitarios varían en función del sexo del modelo

2019· article· en· W2992384936 sur OpenAlexaff
Sigal Tifferet, Shai Dror, Shahar David

Notice bibliographique

RevueInternational Journal of Social Psychology Revista de Psicología Social · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueEvolutionary Psychology and Human Behavior
Établissements canadiensAdler
Organismes subventionnairesnon disponible
Mots-clésAttractivenessPsychologyPerceptionTrustworthinessSocial psychologyAdvertisingDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Based on evolutionary psychology, this paper investigates whether age preferences for ad models differ according to the model’s gender. The study is the first to experimentally document the double standard of ageing in consumer appraisals of advertisements. Fictitious advertisements were created for mineral water, chewing gum and energy bars, manipulating the ages of the models. Each participant was randomly placed in one of four conditions using a 2 (Model Age) × 2 (Model Gender) between-subjects experimental design and asked to rate the ads. As hypothesized, mature male models elicited a more favourable response than did young ones, whereas mature female models elicited a less favourable response than did young ones. The link between the model’s age and the attitude towards the ad was mediated by the model’s attractiveness. These preliminary results suggest that in choosing ad models, advertisers should take into consideration that mature male models and young female models are rated as attractive, eliciting favourable responses from potential consumers. Nonetheless, mature age can elicit the perception of trustworthiness of the model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,075
Tête enseignante GPT0,380
Écart entre enseignants0,305 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Social Psychology Revista de Psicología SocialMême sujetEvolutionary Psychology and Human BehaviorTravaux en français237 207