The Development of the Higher Education Relationship Marketing Model
Notice bibliographique
Résumé
Over the past several decades, higher education in Canada has expanded dramatically. Postsecondary institutions (PSIs) have struggled to both respond to this competitive environment, while simultaneously generating value for its core stakeholders – students – which align with its mission and vision. Comprehending the underlying relational dynamics between a student and their PSI will aid in improving retention rates, satisfaction levels, shared values, advocacy, loyalty, and efficiency overall. The current project will investigate what variables contribute to the creation of relational value between students and a PSI. Relationship marketing (RM) is the theoretical foundation of this study. RM is the principle of establishing, maintaining, and enhancing mutually successful relationships, where value is created for all parties. Previous research was adapted for application in a higher education context to explore the relationship between PSIs and students. Past research conducted has focused on a diverse range of relationships and industries using RM. Spectator affiliations to sports teams, students’ affiliation with varsity sports, and student affiliation with education are some examples of RM studies. Herein, we will explore the systematic relationship between a student and a PSI and how this relationship generates mutual value. To do so, we conducted a phenomenological study. This encompassed interviewing a minimum of 12 experts in higher education. The outcome of this study will be a refined higher education relationship marketing model (HERMM) and a suggested quantitative instrument that can be utilized by future researchers.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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) | 0,398 | 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 ».