MétaCan
Menu
Retour à la cohorte
Enregistrement W4285726089 · doi:10.1108/ijbm-03-2021-0104

Ethical reputation and retail bank selection: a sequential exploratory mixed-methods study in an emerging economy

2022· article· en· W4285726089 sur OpenAlexaff
Irfan Butt, Shoaib Ul‐Haq, Mahmud Akhter Shareef, Abdul Hannan Chowdhury, Jashim Uddin Ahmed

Notice bibliographique

RevueInternational Journal of Bank Marketing · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEthics in Business and Education
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésReputationMarketingContext (archaeology)OriginalityBusinessSelection (genetic algorithm)Exploratory researchPerceptionValue (mathematics)Retail bankingQualitative researchConsumer behaviourEconomicsPsychologySociology

Résumé

récupéré en direct d'OpenAlex

Purpose In this study, the authors examine how a retail bank's positive, neutral, and negative prior ethical reputations influence customers' perceptions and attitudes, leading to their bank selection decisions and also analyze whether there is a trade-off between a bank's negative prior ethical reputation and its functional benefits to customers. Design/methodology/approach The authors followed a sequential exploratory mixed-methods research design with two studies. The authors’ first study was qualitative, in which the authors conducted interviews and focus groups with banking customers in Pakistan. The results of this study were used to generate hypotheses that were tested in the second study using random choice experiments. Findings The results indicate that positive and neutral prior ethical reputations do not significantly impact customers' choices; however, a negative reputation does affect selection. The results also show that customers punished negative reputations, even when the associated functional benefits were higher than the alternatives. Originality/value This is one of the first mixed-methods studies in an emerging economy context to consider the impact of ethical reputation on consumer orientation and bank selection decisions.

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)0,054
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0540,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,167
Tête enseignante GPT0,483
Écart entre enseignants0,316 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Bank MarketingMême sujetEthics in Business and EducationTravaux en français237 207