MétaCan
Menu
Retour à la cohorte
Enregistrement W4317106010 · doi:10.1002/mar.21786

Some like it warm: How warm brands mitigate the negative effects of social exclusion

2023· article· en· W4317106010 sur OpenAlexaff
Soyoung Kim, Kyle B. Murray, Sarah G. Moore

Notice bibliographique

RevuePsychology and Marketing · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueDeath Anxiety and Social Exclusion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFeelingPsychologyCompetence (human resources)Social psychologyAdvertisingBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Consumers' feelings of being excluded—which indicate a deficit in important social resources such as connection, acceptance, and support—have increased over the last 50 years. In this research, by adopting a resource‐based view of brands, we examine how and why brands play a role in socially excluded consumers' lives. Across a series of studies, we find that excluded consumers perceive warm (vs. less warm) brands as better relationship partners. Because of this, excluded consumers choose warm (vs. less warm) brands more often, and they feel less lonely as a result. We also test the role of brand warmth relative to brand competence and to individual differences in self‐acceptance. We find that excluded consumers' preferences for warm brands persist even when the warm brands are low in competence and even when consumers possess high self‐acceptance. This research reveals the relational, resource‐restorative role of warm brands and provides implications for consumers' coping and emotional well‐being in our increasingly isolated society.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,632

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,319
Écart entre enseignants0,303 · 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'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

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology and MarketingMême sujetDeath Anxiety and Social ExclusionTravaux en français237 207