MétaCan
Menu
Retour à la cohorte
Enregistrement W3133901284 · doi:10.1002/jcpy.1232

The Power of Indirect Appeals in Peer‐to‐Peer Fundraising: Why “S/He” Can Raise More Money for Me Than “I” Can For Myself

2021· article· en· W3133901284 sur OpenAlexafffund
Amir Sepehri, Rod Duclos, Kirk Kristofferson, Poornima Vinoo, Hamid Elahi

Notice bibliographique

RevueJournal of Consumer Psychology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCredibilityNarrativePower (physics)CraftPublic relationsPeer reviewField (mathematics)Political scienceSocial psychologyPsychologyLawHistory

Résumé

récupéré en direct d'OpenAlex

The proliferation of peer‐to‐peer fundraising platforms (e.g., GoFundMe, Rally, Fundly) poses conceptual and substantive challenges for behavior scientists and fundraisers. This article explores how fundraisers should craft their appeals to maximize their chance of success. Four field‐ and laboratory‐studies find that direct appeals (i.e., narratives written in the first person by the intended recipient) raise less money than otherwise‐identical indirect appeals (i.e., narratives written in the third person, seemingly by a third party on behalf of the intended recipient). The cause? Prospective donors ascribe lesser (greater) credibility to direct (indirect) appeals, which in turn curtails (increases) their giving. Since the narrative voice (direct vs. indirect) in which appeals are crafted is often discretionary (i.e., adjustable), our findings offer prescriptive guidelines for fundraisers.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,384
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,046
Tête enseignante GPT0,387
Écart entre enseignants0,342 · 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'étudeSans objet
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

Citations21
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer PsychologyMême sujetDigital Marketing and Social MediaTravaux en français237 207