INVESTIGATING A MODERATED MEDIATION MODEL OF THE IMPACT OF PERSONALIZED MESSAGE APPEAL AND PRIVACY THREAT EXTENT ON CONSUMER BEHAVIOUR
Notice bibliographique
Résumé
As electronic commerce is prevailing progressively, more personal data of customers is getting \nshared with businesses since this information is an indispensable resource for effective \npersonalized advertising in ecommerce context. However, in the event of an information leakage, \nthis win-win strategy would be subject to change and demands precise employment of advertising \nelements that does not escalate privacy distress among consumers. More specifically, building on \nConservation of Resources theory, this study proposes three dimensions for privacy threats and by \nconducting three empirical experiments demonstrates that although rational and emotional \nmessage appeals have similar impacts in high-personalized advertising messages, they play \ndifferent roles when various types of a privacy threat are announced to customers. Results prove \nthat customers’ psychological comfort mediates the relationship between high-personalized \nadvertising and consumer’s response to the advertising when privacy threat is high. Additionally, \nwhen the perceived severity and distance of the announced privacy threat are high and low \nrespectively, high-personalized rational advertising message would lead to more psychological \ncomfort, while this holds true for emotional appeal when the perceived scope of the threat is high. \nThis study contributes to the literature on customers privacy by providing a better understanding \nof the privacy threat construct and introduces and empirically examines a new boundary condition \nin which the influence of message appeals in high-personalized advertising may differ across each \ndimension of privacy threat.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».