Bibliographic record
Abstract
Viele Markenartikelunternehmen sehen sich neuen Herausforderungen gegenüber, die sich aus einer sinkenden Effizienz und Glaubwürdigkeit klassischer Werbung und dem Wechselspiel zwischen Markenidentität und Markenimage des Unternehmens ergeben. Zugleich erobert das Markenmanagement neue Anwendungsfelder. Renommierte Wissenschaftler und namhafte Marketingexperten präsentieren in 19 Beiträgen einen Überblick über aktuelle Themen der Werbe- und Markenforschung. Auf der Basis internationaler Forschungsergebnisse, neuer eigener Untersuchungen und Fallstudien beschäftigen sie sich mit - Entwicklungstendenzen in Markenwesen und Werbeforschung - neuen Anwendungsfeldern des Markenmanagements( B-to-B-Branding, Kulturbranding, Political Branding, Branding von Ausbildungsprogrammen) - der Messung und Steigerung von Markenwert, z.B. durch Markentransfers und Country-of-Origin-Strategien - aktuellen Herausforderungen in der Markenkommunikation (Authentizität von Werbung, integrierter Kommunikation, identitätsorientiertem Sponsoring- und Eventmarketing, neueren Optionen der Werbeetatplanung) und - einem stakeholderübergreifenden Blick auf Unternehmensmarken durch Behavioral Branding und Unternehmenspersönlichkeit. "Werbe- und Markenforschung" richtet sich an interessierte Praktiker im Bereich Markenmanagement und Kommunikation ebenso wie an Marken- und Werbeforscher und fortgeschrittene Studierende im Bereich Marketing. Privatdozent Dr. Andreas Strebinger ist Assistant Professor an der Atkinson School of Administrative Studies der York University, Toronto. ao. Univ.-Prof. Dr. Wolfgang Mayerhofer lehrt am Institut für Werbewissenschaft und Marktforschung der Wirtschaftsuniversität Wien. ao. Univ.-Prof. Dr. Helmut Kurz lehrt am Institut für Werbewissenschaft und Marktforschung der Wirtschaftsuniversität Wien.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.059 | 0.028 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".