MétaCan
Menu
Retour à la cohorte
Enregistrement W4402544693 · doi:10.5539/ijms.v16n2p1

The Emergence of the Deconstructed Consumer: Exploring Shopping and Buying Behavior During the COVID-19 Pandemic

2024· article· en· W4402544693 sur OpenAlexvenueno aff
Thomas F. Tuner, Michelle Childs

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicBusiness2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MarketingAdvertisingVirologyMedicineInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

The coronavirus (COVID-19) that swept across the US has dramatically impacted consumer behavior. The abruptness of pandemic for individuals brought forth an opportunity for understanding the influence of COVID-19 on consumer responses. While there is a growing understanding that household spending has changed in response to COVID-19, there is a lack of a deeper understanding behind changes in consumer behavior, including consumer sentiment and motivations to alter consumption during this critical time. Therefore, this study explores the nature of buying behavior during the pandemic using an in-depth qualitative approach. Through semi-structured in-depth interviews, four major themes emerged from the data that comprise what authors term the “deconstructed” consumer. The deconstructed consumer was based on the following thematic areas: (i) “Do-it-Yourself” culture or DIY, (ii) passionate pursuits, (iii) community, and (iv) self-reflection and discovery. By exploring changes in consumption attitudes and behaviors as the crisis unfolds, we can develop an understanding of the consumer and suggest potential retailer strategy shifts that can be deployed to maneuver during uncertain times of crisis.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,011
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,155
Tête enseignante GPT0,353
Écart entre enseignants0,197 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207