The Implicit Aesthetic Preference for Mobile Marketing Interface Layout—An ERP Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Businesses and scholars have been trying to improve marketing effect by optimizing mobile marketing interfaces aesthetically as users browse freely and aimlessly through mobile marketing interfaces. Although the layout is an important design factor that affects interface aesthetics, whether it can trigger customer's aesthetic preferences in mobile marketing remains unexplored. To address this issue, we employ an empirical methodology of event-related potentials (EPR) in this study from the perspective of cognitive neuroscience and psychology. Subjects are presented with a series of mobile marketing interface images of different layouts with identical marketing content. Their EEG waves were recorded as they were required to distinguish a target stimulus from the others. After the experiment, each of the subjects chose five stimuli interfaces they like and five they dislike. By analyzing the ERP data derived from the EEG data and the behavioral data, we find significant differences between the disliked interfaces and the other interfaces in the ERP component of P2 from the frontal-central area in the 200-400 ms post-stimulus onset time window and LPP from both the frontal-central and parietal-occipital area in the 400-600 ms time window. The results support the hypothesis that humans do make rapid implicit aesthetic preferences for interface layouts and suggest that even under a free browsing context like the mobile marketing context, interface layouts that raise high emotional arousal can still attract more user attention and induce users' implicit aesthetic preference.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle