MétaCan
Menu
Retour à la cohorte
Enregistrement W4214600529 · doi:10.1108/jsm-09-2021-0363

Human enhancement technologies and the future of consumer well-being

2022· article· en· W4214600529 sur OpenAlexaff
Vitor Lima, Russell W. Belk

Notice bibliographique

RevueJournal of Services Marketing · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroethics, Human Enhancement, Biomedical Innovations
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTransformative learningTranshumanismOriginalityServices marketingMarketingValue (mathematics)Work (physics)Service (business)Conceptual frameworkService-dominant logicBusinessSociologyKnowledge managementEngineeringComputer scienceSocial scienceQualitative research

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to propose a conceptual framework that highlights transhumanism’s ideals of achieving superintelligence, super longevity and super well-being through human enhancement technologies (HET) and their relations with services marketing principles. Design/methodology/approach Framed by the transformative service research (TSR), this conceptual work articulates the 7Ps of the marketing mix with four macro-factors that create tensions at both the marketplace and consumer levels. Findings HET has potential for doing good but also tremendous bad; greater attention is needed from services marketing researchers especially in one proprietary research area: bioethics. Research limitations/implications The authors contribute to the growing work on TSR investigating how the interplay between service providers and consumers affects the well-being of both. Additionally, the authors call for novel interdisciplinary work in transhuman services research. Originality/value To the best of the authors’ knowledge, this is one of the first papers in services marketing research to explore the promises and perils of transhumanism ideals and human enhancement technologies.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,014
Tête enseignante GPT0,279
Écart entre enseignants0,264 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Services MarketingMême sujetNeuroethics, Human Enhancement, Biomedical InnovationsTravaux en français237 207