Positioning Online Consumer Reviews (OCRs) as a Form of Regulatory Governance and Exploring Methods for Addressing OCR Limitations
Notice bibliographique
Résumé
This thesis investigates the online consumer review (OCR) mechanism and process by positioning OCRs within the existing state and non-state regulatory structure, identifying limitations and problems of OCRs from multiple perspectives, and suggesting possible ways of addressing these limitations and problems. It examines the OCR mechanism to understand where it fits as a regulatory tool within the existing government and non-state set of regulatory arrangements, using the sustainable governance (Webb, 2005) concept and framework as a lens for analysis. The thesis suggests that OCRs are a new non-state way of regulating business behavior in which an online platform is created by a firm, and this platform provides a structured process for individual consumers to make and publish reviews of individual businesses, who then respond to these reviews in an effort to maintain or increase their profitability. The thesis then identifies key problems with the OCR approach and explores how conventional state-based approaches to consumer information (e.g. laws) and non-state approaches (e.g., multi-stakeholder standards) can address these problems, and by so doing, move from the current ad hoc state/non-state approach for the dissemination of consumer information about businesses to a more systematic and coordinated approach, in keeping with the concept of sustainable governance. The thesis draws on a literature review as well as surveys and semi-structured interviews to support its analysis.
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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».