MétaCan
Menu
Retour à la cohorte
Enregistrement W3121506766 · doi:10.1177/0022243719853221

Mindful Matching: Ordinal Versus Nominal Attributes

2019· article· en· W3121506766 sur OpenAlexaff
Peggy Liu, Brent McFerran, Kelly L. Haws

Notice bibliographique

RevueJournal of Marketing Research · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésConceptualizationGeneralizability theoryOperationalizationLeverage (statistics)Matching (statistics)PsychologyComputer scienceEconometricsSocial psychologyMarketingArtificial intelligenceEconomicsMathematicsStatisticsBusiness

Résumé

récupéré en direct d'OpenAlex

The authors propose a new conceptual basis for predicting when and why consumers match others’ consumption choices. Specifically, they distinguish between ordinal (“ranked”) versus nominal (“unranked”) attributes and propose that consumers are more likely to match others on ordinal than on nominal attributes. Eleven studies involving a range of different ways of operationalizing ordinal versus nominal attributes collectively support this hypothesis. The authors’ conceptualization helps resolve divergent findings in prior literature and provides guidance to managers on how to leverage information about prior customers’ choices and employees’ recommendations to shape and predict future customers’ choices. Furthermore, the authors find process evidence that this effect is driven in part by consumers’ beliefs that a failure to match on ordinal (but not nominal) attributes will lead to social discomfort for one or both parties. Although the primary focus is on food choices, the effects are also demonstrated in other domains, extending the generalizability of the findings and implications for managerial practice and theory. Finally, the conceptual framework offers additional paths for future research.

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)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,468
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,240
Tête enseignante GPT0,476
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetCultural Differences and ValuesTravaux en français237 207