YABANCI ÜRÜN SATIN ALMA NİYETİNDE EKONOMİK DÜŞMANLIK ALGISI, ÜLKE VE ÜRÜN İMAJI ETKİSİ
Bibliographic record
Abstract
Uluslararası pazarlara girerken hangi giriş stratejisini benimseyeceğini bilmek uluslararası üreticiler için son derece önemlidir. Uygun bir strateji belirleyebilmek ise tüketicilerin pazara yeni girecek ürüne nasıl tepki vereceklerini öngörmeye bağlıdır. Yapılan araştırmalar, yabancı ürün satın alma karar sürecinde tüketicileri birçok değişkenin etkilediğini ortaya koymaktadır. Çalışmada bu değişkenlerden ekonomik düşmanlık, genel ülke ve ürün imajı bir arada ele alınmıştır. Bu sayede değişkenler arasındaki ilişki ve bireyleri ne ölçüde etkiledikleri, ülke menşeine ve ürüne göre bu algıların değişip değişmediğinin araştırılması amaçlanmıştır. Bu bağlamda araştırmada, bireylerin pazarda oldukça büyük yüzdeye sahip yabancı ürünleri satın alma niyetleri üzerinde etkili olduğu kabul edilen değişkenler, ürünlerin Amerikan ve Çin menşeili olmaları bakımından karşılaştırmaları yapılarak modellenmiştir. Araştırma modeli, yapısal eşitlik analizi ile her ülke için ayrı ayrı test edilmiştir. Amerikan ürünleri için ekonomik düşmanlığın genel ülke imajını olumlu etkilediği ancak genel ülke imajının yabancı ürün satın alma niyetini olumsuz etkilediği tespit edilmiştir. Çin ürünleri söz konusu olduğunda hem ekonomik düşmanlığın genel ülke imajı üzerinde hem de genel ülke imajının yabancı ürün satın alma niyetini üzerindeki etkisinin negatif olduğu belirlenmiştir. Ayrıca Amerikan ürünleri için ekonomik düşmanlığın ürün imajı, ürün imajının yabancı ürün satın alma niyeti üzerinde anlamlı etkisi bulunmazken; Çin ürünleri için bu etkilerden ilkinin negatif olmakla birlikte her ikisinin de anlamlı olduğu görülmüştür.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.032 | 0.009 |
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".