MétaCan
Menu
Retour à la cohorte
Enregistrement W7026853661

Are certain types of causes more feared than others? Exploring the role of feared causes, the feared self, and fear appeals in charitable giving.

2023· dissertation· en· W7026853661 sur OpenAlexaff

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2023
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCircumstantial evidencePretextLimitingTSG101Context (archaeology)Demotion
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Individuals engage in charitable giving for various reasons, such as due to the personal relevance of the cause (e.g., donating to the shelter one’s pet was adopted from), empathy toward the beneficiaries (e.g., victims of a natural disaster), and/or emotional (e.g., warm glow) or material (e.g., tax rebates) benefits, among many others. Although prior research has identified several determinants of charitable giving, gaps remain regarding why donors may contribute more money to certain charitable causes than others. The current research aims to address these gaps by examining the impact of fear as a determinant of charitable giving, and more specifically investigating whether 1) certain types of charitable causes are more (vs. less) feared than others due to 2) being more (vs. less) likely to evoke donors’ feared self, and 3) whether a cause’s inherent level of fear interacts with the use of fear (vs. neutral or hope) appeals in its marketing communications. Two pre-tests and four online experiments were conducted to test these hypotheses. The findings revealed that a more feared cause produced more favorable attitude and donation intentions compared to a less feared cause, by prompting higher levels of feared self (study 1). Further, fear (or neutral/hope) appeals did not reliably impact how donors responded to more (vs. less) feared causes (studies 2 and 3). Finally, theoretical, and managerial implications of the findings are discussed, as well as directions for future research.

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)0,005
score de la tête « metaresearch » (Gemma)0,017
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,051
Tête enseignante GPT0,309
Écart entre enseignants0,258 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)Même sujetNonprofit Sector and VolunteeringTravaux en français237 207