MétaCan
Menu
Retour à la cohorte
Enregistrement W4394992318 · doi:10.1093/jcr/ucae027

Retail Karma: How Our Shopping Sins Influence Evaluation of Service Failures

2024· article· en· W4394992318 sur OpenAlexafffund
Ran Li, Meng Zhang, Pankaj Aggarwal

Notice bibliographique

RevueJournal of Consumer Research · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaNational Natural Science Foundation of China
Mots-clésKarmaService (business)BusinessAdvertisingMarketingOperations managementEngineeringHistory

Résumé

récupéré en direct d'OpenAlex

Abstract Consumers have an intuitive belief in “karma” which dictates that bad (good) actions lead to bad (good) outcomes. Consequently, consumers perceive a causal connection between their own wrongdoing toward a company and a subsequent service failure that they experience in their interactions with another company. Eight experiments employing different contexts consistently show that consumers who have previously wronged a company (compared to those in a control group) evaluate another unrelated company more positively in response to a service failure by this company. We argue that this more positive evaluation is due to the greater blame consumers assign to themselves as dictated by the “karmic beliefs” held by consumers whereby the subsequent poor service by a different firm is seen as a karmic payback for their own prior transgression. The proposed effect is mitigated when a person’s karmic belief is reduced. We also examine a number of alternative explanations (e.g., negative experiences, moral balancing, and immanent justice reasoning) and find that our observed effect is more consistent with a karma-based account.

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)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil0,694

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,164
Tête enseignante GPT0,401
Écart entre enseignants0,237 · 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'étudeSans objet
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer ResearchMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207