MétaCan
Menu
Retour à la cohorte
Enregistrement W4414759683 · doi:10.20429/amtp.2023.37

Service Failure and Recovery: The Role of Customer Forgiveness and Perceived Justice in Customers’ Coping Behaviors

2023· article· en· W4414759683 sur OpenAlexaff
Andreawan Honora, Kaiyu Wang, Wen‐Hai Chih

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueForgiveness and Related Behaviors
Établissements canadiensBrock UniversityWestern University
Organismes subventionnairesnon disponible
Mots-clésForgivenessInteractional justiceService recoveryPerceptionDistributive justiceCustomer serviceService qualityEconomic Justice

Résumé

récupéré en direct d'OpenAlex

<em>This research investigated the role of customer forgiveness as the underlying mechanism of the effect of service failure severity on customers’ coping behaviors. It also investigated the moderating role of customers’ justice perceptions in the proposed model. The findings showed that customer forgiveness is essential in mending the relationships and lowering customer avoidance. Customer forgiveness was less negatively affected by service failure severity when customer perceived service providers’ recovery efforts with higher levels of justice. Additionally, this research explored the moderating effects of three dimensions of justice on the relationship between service failure severity and customer forgiveness. The findings demonstrated that the higher levels of distributive justice weakened the negative effect of service failure severity on customer forgiveness, especially when customer perceived lower levels of interactional justice. However, such effect was lessened when customer perceived higher levels of interactional justice.</em>

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,014
Tête enseignante GPT0,289
Écart entre enseignants0,275 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetForgiveness and Related BehaviorsTravaux en français237 207