MétaCan
Menu
Retour à la cohorte
Enregistrement W4401363623 · doi:10.1057/s41272-024-00499-1

Tackling no-shows in fine dining: insights into cancellation policies and consumer awareness campaigns

2024· article· en· W4401363623 sur OpenAlexaff
Esther L. Kim, Jason Tang

Notice bibliographique

RevueJournal of Revenue and Pricing Management · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensMount Royal University
Organismes subventionnairesMontclair State University
Mots-clésReservationPopularityEntitlement (fair division)MarketingEquity (law)Dual (grammatical number)HonorBusinessAdvertisingPublic relationsEconomicsComputer sciencePsychologyMicroeconomicsInternet privacyPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract This research aims to identify how fine dining restaurants can effectively implement reservation cancellation policies to address the issue of no-shows by applying equity theory, the dual entitlement principle, and social cognitive theory. Two experiments identified cancellation policy elements that influence restaurant evaluations and reservation behaviors. Findings revealed that cancellation policies negatively influence restaurant evaluations, and that policy strictness and awareness can attenuate this relationship via perceived fairness while enhancing the likelihood to book reservations and honor reservations. This research suggests that restaurants can benefit from implementing lenient cancellation policies and introducing awareness of the adverse impact of no-shows to customers.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,954
Score d'incertitude au seuil0,308

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
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 Opus0,068
Tête enseignante GPT0,386
Écart entre enseignants0,317 · 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'étudeAutre devis
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Revenue and Pricing ManagementMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207