MétaCan
Menu
Retour à la cohorte
Enregistrement W3089426712 · doi:10.1080/10696679.2020.1812084

Knowledge-based resources in explaining service recovery performance: a multilevel investigation

2020· article· en· W3089426712 sur OpenAlexaff
Samiha Mjahed Hammami, Nizar Souiden, Khaled Bennour

Notice bibliographique

RevueThe Journal of Marketing Theory and Practice · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBusinessService (business)Service recoveryResource (disambiguation)Orientation (vector space)Knowledge managementTest (biology)Multilevel modelMarketingComputer scienceService quality

Résumé

récupéré en direct d'OpenAlex

This paper investigates the role of customer orientation (CO), technology orientation (TO), and internal orientation (IO) in explaining firms’ service recovery performances. Multilevel analysis is used for data collected from 500 complaining customers nested in 100 firms to test the study’s hypotheses. Findings show that while the three knowledge-based resources (CO, IO, and TO) increase customers’ recovery satisfaction, only the human knowledge resources provide a buffer effect against the detrimental effects of service failures through the activation of their confirmatory biases. The result indicates the viability of TO as a recovery reactive resource rather than as a preventive resource.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,074
score de la tête « metaresearch » (Gemma)0,023
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,611
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0740,023
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 savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,050
Tête enseignante GPT0,275
Écart entre enseignants0,225 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeEssai randomisé
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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Marketing Theory and PracticeMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207