Notice bibliographique
Résumé
Purpose This study aims to examine the emotional components of brand hate and the variation of emotions across different levels of brand hate. Design/methodology/approach Study 1 uses in-depth interviews and data triangulation. Studies 2-5 make use of quantitative methods to test and validate the multidimensional structure of brand hate and the variation of its composing emotions. Findings Study 1 suggests that brand hate is a multidimensional construct comprised of anger-, sadness- and fear-related emotions; possible antecedents and consequences are discussed. The quantitative results from Studies 2-5 confirm the findings in Study 1. A three-factor scale consisting of nine items is developed. The proposed model is tested among different samples and is compared with the currently available brand hate models. In addition, the findings show that emotions weigh differently for different brand hate levels. Research limitations/implications This study contributes to the brand hate literature and provides a structure to understand brand hate more thoroughly. Practical implications Companies can benefit from the research through a better knowledge of brand hate. Managers can use the multidimensional measurement to detect brand hate and better cope with it. Originality/value This study is among the first few attempts to examine the multidimensionality of brand hate and to investigate the variation of emotions in different brand hate levels. This study contributes to a more precise description of the brand hate construct and improves understanding of consumer-brand relationships.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».