MétaCan
Menu
Retour à la cohorte
Enregistrement W3131184409 · doi:10.3390/jrfm14020087

Crowdsourcing in Sustainable Retail—A Theoretical Framework of Success Criteria

2021· article· en· W3131184409 sur OpenAlexvenueno aff
Peter Konhäusner

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCrowdsourcingAdaptation (eye)BusinessSustainable developmentMarketingKnowledge managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Current research about crowdsourcing covers industries like food systems or logistics, leaving out the possible impact of crowdsourcing on sustainable retail. The debate about the sustainable impact of different industries is ongoing, especially discussing the adaption to the Sustainable Development Goals of the United Nations critically. This paper examines the influence of crowdsourcing on the sustainable aspects of retailing by applying a theoretical derivation as well as an empirical observation. After theoretically discussing the linkage between crowdfunding as a crowdsourcing category and sustainable retail utilizing a literature review, a theoretical framework employing the grounded theory approach is constructed. A total of 24 crowdfunding campaigns aiming at the market introduction of new products or services, each worth over 5 million USD funding volume and run on international crowdfunding platforms, have been taken into consideration. The outcome of the analysis is a theoretical framework presenting three different categories, in which successful crowdfunding campaigns impacting sustainable retail excel: sustainable economic behavior, sustainable community management and sustainable market adaptation. The derived model contributes to the theoretical discussion about the impact of crowdfunding and assists practitioners in reflecting about their approach and goal setting prior to and while crowdfunding.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,678

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,006
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207