MétaCan
Menu
Retour à la cohorte
Enregistrement W3003842015 · doi:10.1108/ejm-01-2019-0063

#BuyNothingDay: investigating consumer restraint using hybrid content analysis of Twitter data

2020· article· en· W3003842015 sur OpenAlexaff
Jeannette Paschen, Matthew Wilson, Karen Robson

Notice bibliographique

RevueEuropean Journal of Marketing · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueDeath Anxiety and Social Exclusion
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésOriginalityConsumerismConsumption (sociology)Openness to experienceContent analysisConsumer behaviourMarketingValue (mathematics)Everyday lifeSet (abstract data type)BusinessSociologyPublic relationsQualitative researchAdvertisingSocial psychologyPsychologyEconomicsPolitical scienceSocial scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to investigate motivations and human values of everyday consumers who participate in the annual day of consumption restraint known as Buy Nothing Day (BND). In addition, this study demonstrates a hybrid content analysis method in which artificial intelligence and human contributions are used in the data analysis. Design/methodology/approach This research uses a hybrid method of content analysis of a large Twitter data set spanning three years. Findings Consumer motivations are categorized as relating to consumerism, personal welfare, wastefulness, environment, inequality, anti-capitalism, financial responsibility, financial necessity, health, ethics and resistance to American culture. Of these, consumerism and personal welfare are the most common. Moreover, human values related to “openness to change” and “self-transcendence” were prominent in the BND tweets. Research limitations/implications This research demonstrates the effectiveness of a hybrid content analysis methodology and uncovers the motivations and human values that average consumers (as opposed to consumer activists) have to restrain their consumption. This research also provides insight for firms wishing to better understand and respond to consumption restraint. Practical implications This research provides insight for firms wishing to better understand and respond to consumption restraint. Originality/value The question of why everyday consumers engage in consumption restraint has received little attention in the scholarly discourse; this research provides insight into “everyday” consumer motivations for engaging in restraint using a hybrid content analysis of a large data set spanning over three years.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,310
Tête enseignante GPT0,359
Écart entre enseignants0,049 · 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

Citations48
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of MarketingMême sujetDeath Anxiety and Social ExclusionTravaux en français237 207