Notice bibliographique
Résumé
How reliable are online ratings? This thesis examines whether and why online ratings are inconsistent across websites.The first essay (Chapter 2) identifies a key predictor of consumer reviews: perceived website main functions. Specifically, I distinguish between transaction sites (websites primarily selling products, e.g., Amazon) and communication sites (websites primarily facilitating information exchange, e.g., Goodreads), finding that merely changing the perceived main function of a website can alter consumer ratings for the exact same product. I first validate the transaction-communication distinction in describing real-world platforms that offer consumer reviews with a large-scale pretest. Then, across five studies, including secondary data analysis, lab, and online experiments, I document the existence of an evaluation inflation phenomenon: for the same product, the average rating and proportion of five stars are higher on transaction sites compared to communication sites or a control group (making no mention of platform). This effect persists among various product categories, real-world platforms, manipulations of website main functions, and whether the evaluated products were provided by the experimenter or actually purchased by the consumers. The second essay (Chapter 3) proposed and tested a multi-driver social influence (compliance) account explaining the evaluation inflation phenomenon. Across two pretests and six studies, I show that consumers perceive a higher expectation to give five stars on transaction sites, and comply with this expectation by boosting their ratings. This perceived expectation comes from two major sources: the expectation of sellers and the perceived consensus of other consumers. Following this theory, I also develop and prove three simple intervention strategies that effectively mitigate evaluation inflation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,051 | 0,440 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».