Understanding the defining characteristics of a high-quality conceptual article
Notice bibliographique
Résumé
Purpose This study aims to deepen the understanding regarding developing conceptual articles in marketing by addressing three important research questions (RQs): What is a high-quality conceptual article, and what are its dimensions and corresponding attributes? How should the quality of conceptual articles be assessed? What is the quality of conceptual articles published in marketing? Design/methodology/approach To address RQ1, we examined the literature, sought input from experts and reviewed marketplace data. We used a triangulation approach to conceptualize conceptual article quality, its dimensions and their corresponding attributes. To address RQ2, we carefully developed a comprehensive rubric for measuring conceptual article quality. A well-developed rubric can have a higher diagnostic value than a multi-item scale, which makes this study more valuable. In response to RQ3, we content-analyzed 207 conceptual articles, sourced from five leading marketing journals for the period 2000–2017, and revealed that while the quality has been largely moderate, there is a promising upward trajectory, reflecting learning over time. Findings The key finding of this article is a cc-rc-c framework of conceptual article quality. It is characterized by three dimensions, namely cc-quality (conceptual creativity), rc-quality (conceptual rigor) and c-quality (comprehensibility). A comprehensive rubric is also provided for evaluating the quality of conceptual articles. Research limitations/implications This study did not examine analytical articles. Future researchers can identify and operationalize the attributes of analytical rigor toward understanding article quality. Likewise, to understand article quality in the case of empirical articles, scholars need to identify and operationalize empirical rigor (Kumar, 2016). It would also be interesting to know to what extent conceptual article quality explains article quality in the case of analytical and empirical articles. Future researchers can undertake studies using multiple methods to examine this issue thoroughly. Practical implications The proposed framework and rubric will aid authors, journal editors/reviewers, educators and professional associations in collectively enhancing the quality of conceptual articles in marketing. Originality/value This paper offers a framework and rubric for “conceptual article quality.”
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».