JOURNAL OF THE ACADEMY Summers / OF RESEARCH MARKETING IN MARKETING SCIENCE FALL 2001 Guidelines for Conducting Research and Publishing in Marketing: From Conceptualization Through the Review Process
Notice bibliographique
Résumé
A primary mission of institutions of higher learning is the generation and dissemination of knowledge. The low acceptance rates at the leading research journals in marketing, typically in the single digits to low teens, suggests the need to increase the quality of the research manuscripts produced. This article presents a set of guidelines for researchers aspiring to do scholarly research in marketing. Discussed are issues such as developing the necessary research skills, conceptualizing the study, constructing the research design, writing the manuscript, and responding to reviewers. Also presented are the author’s personal observations concerning the current state of research in marketing. This article is intended for doctoral students and those researchers who are beginning or are early in their careers and would like to increase their journal acceptance rates. The experienced author with several major publications and years of reviewing experience will find little, if anything, “new ” to them. What follows are the author’s reflections on more than a quarter century of guiding doctoral students and reviewing for, and publishing in, some of the leading journals in marketing. The author’s remarks primarily relate to research that involves the collection and analysis of primary data (e.g., case studies, surveys, and experiments). Not addressed are such things as review papers, theory development not based on empirical research, and quantitative marketing models.
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 | 0,243 | 0,238 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».