MétaCan
Menu
Retour à la cohorte
Enregistrement W3122294645 · doi:10.1509/jmr.13.0244

Giving against the Odds: When Tempting Alternatives Increase Willingness to Donate

2014· article· en· W3122294645 sur OpenAlexaff
Jennifer Savary, Kelly Goldsmith

Notice bibliographique

RevueJournal of Marketing Research · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésDonationAppealProsocial behaviorContext (archaeology)Product (mathematics)AttributionOddsSocial psychologyMarketingWillingness to payPsychologyConsumer choiceAdvertisingEconomicsMicroeconomicsBusinessLogistic regressionComputer science

Résumé

récupéré en direct d'OpenAlex

The authors examine how a reference to an unrelated product in the choice context affects consumers’ likelihood of donating to charity. Building on research on self-signaling, the authors predict that consumers are more likely to give when the donation appeal references a hedonic product than when a utilitarian product is referenced or when no comparison is provided. They posit that this phenomenon occurs because referencing a hedonic product during a charitable appeal changes the self-attributions, or self-signaling utility, associated with the choice to donate. A series of hypothetical and actual choice experiments demonstrate the predicted effect and show that the increase in donation rates occurs because the self-attributions signaled by a choice not to donate are more negative in the context of a hedonic reference product. Finally, consistent with these experimental findings, a field experiment shows that referencing a hedonic product during a charitable appeal increases real donation rates in a nonlaboratory setting. The authors discuss the theoretical implications for both consumer decision making and the self-signaling motives behind prosocial choice.

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)0,096
score de la tête « metaresearch » (Gemma)0,040
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0960,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,069
Tête enseignante GPT0,407
Écart entre enseignants0,338 · 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'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

Citations83
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetNonprofit Sector and VolunteeringTravaux en français237 207