A Comparison of Objective and Subjective Knowledge of University Students in Turkey and Slovakia within the Context of Perceived Price
Bibliographic record
Abstract
Tüketicilerin ürünlere yönelik sahip oldukları bilgiler ve algıları, ürün veya hizmeti satın alma sürecinde önemli bir rol oynamaktadır. Diğer yandan, tüketiciler bir ürünün fiyatına bakarak kendi zihinlerinde o ürün hakkında bir ön yargı oluşturabilirler. Ürün için ödeyeceği fiyatın, aldığı ürüne değip değmeyeceği konusunda emin olmak için tüketicinin, o ürün hakkında yeterli bilgiye sahip olması ve ihtiyacını gerçekten karşılayıp karşılamayacağından emin olması gerekmektedir. Bu çalışmada, Türkiye ve Slovakya’daki üniversite öğrencilerinin uluslararası bir fast food restoranının ürünleri hakkındaki nesnel ve öznel bilgi düzeylerinin yanı sıra marka deneyimi, algılanan fiyat, algılanan değer, müşteri güveni ve sadakati ile hizmet kalitesi değişkenleri gerçekleştirilen anketler yoluyla karşılaştırılmıştır. Sonuç olarak nesnel bilgi, marka deneyimi, algılanan fiyat, algılanan değer ve hizmet kalitesi değişkenleri bağlamında iki ülke arasında anlamlı farklılıklar bulunmuştur. Bu sonuçlar ve diğer bulgular, tüketici bilgisi ve diğer ilgili değişkenlerin araştırılmasıyla ilgili gelecek araştırmalara etkileri açısından tartışılmıştır
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".