Consumer Decision-Making Creativity and Its Relation to Exploitation–Exploration Activities: Eye-Tracking Approach
Notice bibliographique
Résumé
Modern consumers face a dramatic rise in web-based technological advancements and have trouble making rational and proper decisions when they shop online. When they try to make decisions about products and services, they also feel pressured against time when sorting among all of the unnecessary items in the flood of information available on the web. In this sense, they need to use consumer decision-making creativity (CDMC) to make rational decisions. However, unexplored research questions on this subject remain. First, in what ways do task difficulty and time constraints affect visual attention on exploitative and exploratory activities differently? Second, how does the location of the reference (i.e., hints) influence the level of visual attention to exploitative and exploratory activities depending on affordance theory? Third, how do exploratory and exploitative activities affect CDMC? Eye-tracking experiments were conducted with 70 participants to obtain relevant metrics such as total fixation duration (TFD), fixation count (FC), and visit count (VC) to answer these research questions. Our findings suggest that task difficulty influences exploitative activity, whereas time constraint is related to the exploratory activity. The result of the location of hints aligns with the affordance theory for the exploitative activity. Besides, exploratory activity positively affected CDMC, but exploitative activity did not show any effect.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».