MétaCan
Menu
Retour à la cohorte
Enregistrement W7161987460 · doi:10.82308/41837

Advancing the science of precision retailing through digital innovation in traditional and modern agri-food markets

2024· dissertation· en· W7161987460 sur OpenAlexaboutno aff
Cameron McRae

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Technology transferDigital transformation

Résumé

récupéré en direct d'OpenAlex

La recherche de la durabilité sur les dimensions environnementales, sociales, sanitaires et économiques est un défi crucial. Cette thèse adopte une approche de commercialisation de précision (CP) pour relever ces défis. Bien que la CP soit un terme plus récent dans la littérature, sa conceptualisation et la base de cette thèse sont enracinées dans une longue histoire de convergence scientifique. La CP intègre des données, des méthodes, des informations et des connaissances provenant de diverses disciplines et secteurs pour promouvoir la durabilité en catalysant le changement de comportement et la transformation dans des systèmes plus vastes. Cette thèse explore le rôle critique de l'innovation numérique comme fondation de la transformation durable dans les marchés traditionnels et modernes. Chacun des trois articles de cette thèse contribue à la littérature plus large sur la CP tout en apportant des contributions disciplinaires centrales aux sciences des systèmes d'information et du marketing.Cette thèse applique les principes de la CP pour relever les défis de durabilité dans le domaine agroalimentaire des marchés traditionnels et modernes. Le premier article examine la numérisation à travers une chaîne de valeur agroalimentaire comme intrants pour le commerce de précision alimentaire dans un marché traditionnel. Il étudie l'impact de l'introduction d'un écosystème de plateformes numériques parmi les agriculteurs de subsistance à Odisha, en Inde, qui les soutient et les connecte à un marché numérique. En utilisant une approche de méthodes mixtes, nous avons mené une étude quasi-expérimentale sur un an et constaté que l'intervention a significativement renforcé la confiance des agriculteurs dans l'utilisation de la technologie sur leurs fermes (β=0,810, p=0,028). Nous avons ensuite utilisé des méthodes qualitatives pour enquêter sur le processus de transformation numérique. Des entrevues semi-structurées (n=12) et cinq groupes de discussion (n=83) ont été réalisés. L'étude qualitative a révélé un processus en six étapes menant à l'émergence et à l'institutionnalisation de nouvelles pratiques alors que les agriculteurs passent à une agriculture moderne soutenue par la technologie. Le deuxième article se tourne vers le côté consommateur de la chaîne de valeur agroalimentaire pour étudier la consommation alimentaire durable en utilisant les données de programmes de fidélité de la Finlande et du Canada. Il explore la disparité de la sensibilité aux prix entre les produits de protéines végétale et animale, les différences entre les segments de statut socio-économique (SSE) et l'impact des pratiques de marketing sur ces disparités. Bien qu'aucune différence (p=0,39) n'ait été trouvée dans la sensibilité aux prix entre les produits à base végétale et et ceux à base animale, le SSE a modéré la sensibilité aux prix uniquement pour les produits animaux (p<0,01) et non pour les produits végétaux (p=0,89). L'augmentation de la variété a constamment augmenté la sensibilité aux prix pour les deux types de produits, avec un impact plus important pour les consommateurs de SSE faible que de SSE élevé (p<0,001). Ainsi, l'inégalité de sensibilité aux prix a augmenté à mesure que la variété des marques augmentait. Le troisième article, toujours au Canada, explore l'accessibilité et l'abordabilité des aliments traditionnels dans les marchés modernes pour les peuples autochtones par rapport à la population générale. En utilisant les données des programmes de fidélité, il évalue les moteurs du comportement d'achat des aliments traditionnels, révélant que seulement 36% de ces aliments sont disponibles dans les magasins, la majorité étant transformée, et donc, un manque de produits locaux et autochtones. Les résultats mettent en évidence la valeur plus forte que les consommateurs autochtones accordent aux aliments traditionnels qui sont produits localement (par opposition à ceux importés), comparé à la population générale. Des interventions politiques et de marché ciblées sont nécessaires pour améliorer l'accès à des aliments traditionnels frais et locaux qui soutiennent le bien-être nutritionnel et culturel des communautés autochtones et appuient les efforts de réconciliation.Collectivement, cette thèse apporte des contributions disciplinaires aux recherches sur les systèmes d'information et le marketing en étudiant les aspects du commerce de précision, depuis les champs jusqu'au domicile des consommateurs. Les trois articles ont tous exploité les innovations numériques comme pierre angulaire, soit en étudiant leur influence directement, soit en utilisant de grands ensembles de données générées par les innovations dans les programmes de fidélité numériques, pour faire progresser l'étude de la CP dans divers contextes où la CP sert de point d'entrée pour la transformation durable

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,792
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,269
Écart entre enseignants0,234 · 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 tête enseignante, 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetConsumer Retail Behavior StudiesTravaux en français237 207