Measuring Consumer Perceived Warm-Glow for Technology Adoption Modeling
Notice bibliographique
Résumé
In this paper, we adapt and validate two constructs—perceived extrinsic warm-glow (PEWG) and perceived intrinsic warm-glow (PIWG) —to measure the two dimensions of consumer perceived warm-glow (i.e., extrinsic and intrinsic) for use with the practice of technology adoption modeling. Taking an experimental approach, participants were exposed to one of four vignettes designed to simulate either the absence or the presence of warm-glow (specifically, extrinsic warm-glow, intrinsic warm-glow, and concurrently extrinsic and intrinsic warm-glow). The results revealed that both constructs measured their respective forms of warm-glow with two caveats. Firstly, singularly trying to evoke extrinsic warm-glow led to only a slight increase in consumer perception of extrinsic warm-glow. We attributed this finding to individuals not being attracted to technology products that overtly target and seek to satisfy their vanity, instead preferring technology that does so in a more subtle way. The second is that singularly trying to evoke intrinsic warm-glow also resulted in the manifestation of extrinsic warm-glow. Thus, warm-glow appears as a blend of extrinsic and intrinsic dimensions. This finding serves to reinforce what has already been reported in existing literature regarding warm-glow and the idea of impure altruism.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».