How language affects consumers' processing of numerical cues
Notice bibliographique
Résumé
Abstract We show that linguistic numeral structures affect consumers' comparative evaluations of numbers, prices, and alphanumeric brand names. For example, 80 (eighty) in English is perceived as 4 × 20 ( quatre‐vingts or four twenties) in French and as 8 × 10 ( ba‐shi or eight tens) in Chinese. Thus, the difference between 80 and 20 is expressed with different degrees of numerosity, the number of units into which a stimulus is divided: (a) 2 × 10 versus 8 × 10 in Chinese, (b) 20 versus 4 × 20 in French, or (c) simply 20 versus 80 in English. In four studies involving a total of 732 bilinguals who speak two of these three languages, we examine how different linguistic properties can lead to differences in comparison of numerical values and inferences made about product attributes. We demonstrate the mediating role of numerosity induced by certain linguistic structures while ruling out alternative explanations for this phenomenon such as cultural differences, processing fluency, and numeracy. Our research contributes to literatures on number cognition, numerosity, branding, and linguistics while providing insights for international marketers by encouraging practitioners to use different numbers in their marketing, branding, and pricing efforts in ways that best fit the linguistic structure of the country in which they sell a product.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».