MétaCan
Menu
Retour à la cohorte
Enregistrement W4249463756 · doi:10.5539/ijms.v11n4p69

A Quantitative Exploration of Culturally-Pluralistic Segmentation Among Millennials

2019· article· en· W4249463756 sur OpenAlexvenueno aff
Lori M. Thanos, Sylvia D. Clark

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcculturationEthnic groupPluralism (philosophy)SociologyCultural pluralismCultural diversityQualitative researchSocial psychologyMarketingQualitative propertyPsychologySocial scienceBusinessAnthropology

Résumé

récupéré en direct d'OpenAlex

The goal of this study is to expand upon recent qualitative research examining elements of culturally-pluralistic segmentation of Millennials in a large northeastern community college. The present study is a quantitative follow-up, incorporating data collected at the same New York City institution. The intention is to explore patterns and trends detected in the qualitative wave, with an eye toward solidifying findings using more sophisticated measures. A multivariate statistical method was employed, based on in-class surveys administered to 110 students. The object was to determine whether cultural pluralism’s influence varied between Millennial segments, specifically its effect on ethnic food purchases and consumption habits, as well as any possible acculturation influences on those behaviors. Findings indicate that, on average, younger Millennials tend to exhibit more culturally-pluralistic purchase behavior than do older Millennials. Additionally, female Millennials typically display significantly less cultural pluralism than do their male counterparts. This research bolsters cultural pluralism as a segmentation method and can assist in development of marketing stratagem, while also furnishing a unique and inestimable contribution to current literature.

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)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,070
Tête enseignante GPT0,343
Écart entre enseignants0,273 · 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'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207