MétaCan
Menu
Retour à la cohorte
Enregistrement W4206734233 · doi:10.1093/jcr/ucab076

Expression Modalities: How Speaking Versus Writing Shapes Word of Mouth

2021· article· en· W4206734233 sur OpenAlexaff
Jonah Berger, Matthew D. Rocklage, Grant Packard

Notice bibliographique

RevueJournal of Consumer Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésWord of mouthModality (human–computer interaction)PsychologyDeliberationModalitiesExpression (computer science)EmotionalitySocial psychologyWord (group theory)Cognitive psychologyLinguisticsAdvertisingComputer scienceSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Consumers often communicate their attitudes and opinions with others, and such word of mouth has an important impact on what others think, buy, and do. But might the way consumers communicate their attitudes (i.e., through speaking or writing) shape the attitudes they express? And, as a result, the impact of what they share? While a great deal of research has begun to examine drivers of word of mouth, there has been less attention to how communication modality might shape sharing. Six studies, conducted in the laboratory and field, demonstrate that compared to speaking, writing leads consumers to express less emotional attitudes. The effect is driven by deliberation. Writing offers more time to deliberate about what to say, which reduces emotionality. The studies also demonstrate a downstream consequence of this effect: by shaping the attitudes expressed, the modality consumers communicate through can influence the impact of their communication. This work sheds light on word of mouth, effects of communication modality, and the role of language in communication.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,177
Tête enseignante GPT0,439
Écart entre enseignants0,262 · 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'étudeQualitatif
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

Citations57
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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