Service Failure and Recovery at the Crossroads: Recommendations to Revitalize the Field and its Influence
Notice bibliographique
Résumé
In this editorial, we offer a critical assessment of the service failure and recovery (SFR) literature and suggest that the field is at a crossroads in terms of growth and relevance. Specifically, we address two key questions: (1) What is the current state of the field? (2) What avenues should SFR researchers pursue to promote a new stage of success? To answer the first question, we tracked the evolution of SFR articles over the last 15 years by using Web of Science. Our analysis suggests that the recent growth of SFR research is mainly attributable to articles published in specialized journals; the number of articles published in leading journals remains stable and relatively low for the last 10 years. This situation reflects the poor integration of two core SFR domains: Behavioral-subjective research tends to be published in specialized journals, whereas quantitative-objective articles have been in high demand in leading journals. To answer the second question, we propose a dozen research avenues to help the integration of the two domains, so that the whole field can regain prominence. These research avenues are organized in four categories: (1) expanding the static “customer-firm” dyad, (2) studying new contexts that challenge the assumption of recovery, (3) collecting better data and using stronger analytics, and (4) building on the synthetic knowledge base already created. By making such changes, the SFR domain will reclaim its rightful place as an important subfield of service science.
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 | 0,047 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,020 | 0,033 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,021 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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 ».