MétaCan
Menu
Retour à la cohorte
Enregistrement W4200158730 · doi:10.33423/jmdc.v15i4.4779

Navigating the Field of Contemporary Political Consumerism: Consumer Boycott and Consumer Buycott Vistas

2021· article· en· W4200158730 sur OpenAlexaff
May Aung, Juan Wang, Xinyue Zhang

Notice bibliographique

RevueJournal of Marketing Development and Competitiveness · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBoycottConsumerismContext (archaeology)PoliticsPolitical scienceSociologyPublic relationsAdvertisingSocial psychologyPsychologyBusinessLawGeography

Résumé

récupéré en direct d'OpenAlex

The aim of this paper is to understand and compare the two growing forms of contemporary political consumerism, boycott and buycott, in competitive marketplace. We used an existential-phenomenology approach and conducted 15 in-depth interviews. This resulted in 75 boycott and buycott consumption experiences and 229 pages of interview transcripts. Content analysis shows that consumers perceive boycott and buycott as two distinct actions. They differ in terms of goal orientation (avoidance vs. approach), ease of participation, as well as consumer information search and learning style. Further, we identify similar and unique motivational factors for boycott and buycott. Specifically, we show motivations within individual context, boycott activity context, and societal context. Strong evidence indicates that, within individual context, motivations relating to self-enhancement, required resources and associated costs are important for both boycott and buycott consumerism. Motivations within societal context also seems to be relevant for both types of consumerism. However, only the motivations within the boycott activity context were found in this study. Theoretical and managerial implications are also discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,018
Communication savante0,0050,005
Science ouverte0,0000,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,247
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing Development and CompetitivenessMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207