Subjective Knowledge, Perceived Risk, and Information Search when Purchasing a Franchise: A Comparative Exploration from Australia
Notice bibliographique
Résumé
Franchising has long been a method by which organizations seek to expand and facilitate local market development. However, franchising as a growth strategy can often be hampered by lack of suitable franchisees. To mitigate this shortage, some franchisors have engaged in recruiting franchisees internally from the ranks of their employees in addition to the traditional approach of recruiting franchisees externally. Predominantly franchisees are individuals rather than corporations and thus purchasing a franchise should most commonly be characterized as a consumer acquisition. To explore the relationship between subjective knowledge, perceived risk, and information search behaviors when purchasing a franchise qualitative interviews were conducted with franchisees from the restaurant industry. Half of these respondents were externally recruited having never worked for the franchisor and half were internally recruited having previously been employees of the franchisor. The external recruits expressed a strong desire to own their own business and engaged in extensive decision-making processes with significant information search when purchasing their franchises. Contrastingly, the internal recruits expressed a strong desire to be their own boss and engaged in limited, bordering on habitual decision-making processes with negligible information search when acquiring their franchises. The results reveal that differences in subjective knowledge and perceived risk appear to significantly impact the extent of information search between these two groups. A model of the relationship between subjective knowledge, perceived risk and information search in the purchasing of a franchise is developed that reconciles these findings. The findings also have practical implications for franchisors’ franchisee recruiting efforts which are integral to their capacity to develop local markets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».