MétaCan
Menu
Retour à la cohorte
Enregistrement W3019023674 · doi:10.1080/00913367.2020.1745110

Congruence and Incongruence in Thematic Advertisement–Medium Combinations: Role of Awareness, Fluency, and Persuasion Knowledge

2020· article· en· W3019023674 sur OpenAlexaff
Claas Christian Germelmann, Jean-Luc Herrmann, Mathieu Kacha, Peter R. Darke

Notice bibliographique

RevueJournal of Advertising · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPersuasionPsychologyProcessing fluencyFluencyCongruence (geometry)Social psychologyAdvertisingCognitive psychology

Résumé

récupéré en direct d'OpenAlex

We suggest that thematic ad–medium congruency versus incongruency evokes distinct effects on consumer evaluations through different underlying mechanisms. Specifically, we propose congruency largely has positive effects on consumer evaluations due to a relatively automatic fluency process, whereas incongruency evokes a more conscious and negative persuasion knowledge (PK) process that leads to negative evaluations. Study 1 showed that consumers were more attentive to incongruence than congruence, particularly when the ad–medium combination was presented with other ads or materials. Studies 2A and 2B confirmed that congruency led to positive evaluations through perceived fluency, whereas incongruency led to negative-PK thoughts involving manipulative intent and more negative evaluations. Studies 3A and 3B provided causal evidence for the role of PK by showing that positive PK attenuated the negative effects the incongruency tactic had otherwise. Overall, these findings suggest the common practice of directly comparing congruent and incongruent media tactics confounds two very different processes. Managerial implications for advertising and media marketing are discussed.

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)0,022
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 enseignants0,003
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,261
Écart entre enseignants0,240 · 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

Citations81
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AdvertisingMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207