論文の概要: Front-Loaded or Balanced? The Mechanism through Which Review Order Affects Overall Ratings in Premium Service Settings

• arxiv url: http://arxiv.org/abs/2602.00008v1
• Date: Tue, 25 Nov 2025 03:12:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 19:55:41.36222
• Title: Front-Loaded or Balanced? The Mechanism through Which Review Order Affects Overall Ratings in Premium Service Settings
• Title（参考訳）: フロントロード型かバランス型か? プレミアムサービス設定におけるレビューオーダーが総合評価に影響を与えるメカニズム
• Authors: He Wang, Ziyu Zhou, Hanxiang Liu,
• Abstract要約: 本研究では,評価順序が認知的・情緒的経路を介して消費者評価に影響を与える心理的メカニズムを明らかにする。 3つの実験は、高品質なサービスコンテキストにおいて、レーティングファースト(vs.レビューファースト)インターフェースが消費者の全体的なレーティングを大幅に高めることを示した。
• 参考スコア（独自算出の注目度）: 10.304137762077897
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In the increasingly prevalent landscape of high-quality service contexts, whether consumer evaluation interfaces adopt a rating-first or review-first sequence has become a critical factor shaping rating authenticity and feedback quality. While prior research has primarily examined review content and sentiment, systematic investigation into how evaluation order influences rating outcomes remains limited. Through exploratory analyses, we find that Letterboxd -- which employs a review-first, rating-after mechanism -- exhibits a more centralized rating distribution with fewer extreme scores, whereas Yelp -- which adopts a rating-first, review-after mechanism -- shows a pronounced bimodal distribution with more polarized ratings. Three controlled experiments further demonstrate that in high-quality service contexts, a rating-first (vs. review-first) interface significantly elevates consumers' overall ratings. Mechanism analyses indicate that cognitive effort and affective heuristics serve as dual pathways: a rating-first (vs. review-first) sequence reduces cognitive effort and heightens affective heuristics, thereby increasing rating scores. Moreover, service quality moderates this process. When service quality is low, the rating-first (vs. review-first) sequence instead leads to lower ratings. This research reveals the psychological mechanisms through which evaluation order affects consumer ratings via cognitive and affective pathways. It extends theoretical understanding of online rating formation and offers practical implications for optimizing platform interface design to enhance rating authenticity and credibility.
• Abstract（参考訳）: 高品質なサービスコンテキストにおいて、消費者評価インターフェースがレーティングファーストかレビューファーストかは、評価の信頼性とフィードバック品質を形作る重要な要素となっている。 先行研究は内容や感情のレビューを主に行ってきたが、評価順序が評価結果に与える影響について体系的な調査は依然として限られている。 探索的な分析により、レターボックスド(レビューファースト、レビューアフターメカニズム)は極端スコアの少ないより集中的な評価分布を示し、Yelp(レーティングファースト、レビューアフターメカニズム)はより偏極化された評価を持つ顕著なバイモーダル分布を示していることが判明した。 さらに3つのコントロールされた実験は、高品質なサービスコンテキストにおいて、レーティングファースト(vs.レビューファースト)インターフェースが消費者の全体的なレーティングを大幅に高めることを示した。 認知的努力(英語版)と感情的ヒューリスティック(英語版)が二重経路として機能することを示し、レーティングファースト(vs. レビューファースト)シーケンスは認知的努力を減らし、感情的ヒューリスティック(英語版)を高める。 さらに、サービス品質はこのプロセスを緩やかにします。 サービス品質が低い場合、レーティングファースト(vs.リビューファースト)シーケンスは、代わりに低いレーティングにつながる。 本研究では,評価順序が認知的・情緒的経路を介して消費者評価に影響を与える心理的メカニズムを明らかにする。 オンラインレーティングの形成に関する理論的理解を拡張し、プラットフォームインターフェース設計を最適化し、レーティングの信頼性と信頼性を高めるための実践的な意味を提供する。

関連論文リスト

• Is Peer Review Really in Decline? Analyzing Review Quality across Venues and Time [55.756345497678204]
  本稿では,エビデンスに基づくレビュー品質の比較研究のための新しいフレームワークを提案する。 ICLR、NeurIPS、*ACLといった主要なAIおよび機械学習のカンファレンスに適用します。 レビュー品質の測定値と時間経過に伴うその進化の関係について検討する。
  論文  参考訳（メタデータ） (2026-01-21T16:48:29Z)
• Automatic Reviewers Fail to Detect Faulty Reasoning in Research Papers: A New Counterfactual Evaluation Framework [55.078301794183496]
  我々は、高品質なピアレビューを支えるコアレビュースキル、すなわち欠陥のある研究ロジックの検出に注力する。 これは、論文の結果、解釈、クレームの間の内部の一貫性を評価することを含む。 本稿では,このスキルを制御条件下で分離し,テストする,完全自動対物評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-29T08:48:00Z)
• SCAN: Structured Capability Assessment and Navigation for LLMs [54.54085382131134]
  textbfSCAN (Structured Capability Assessment and Navigation) は、大規模言語モデルの詳細な特徴付けを可能にする実用的なフレームワークである。 SCANには4つの重要なコンポーネントが含まれている。 TaxBuilder – クエリから機能表示タグを抽出して階層的な分類構造を構築する。 RealMixは、各機能タグに対する十分な評価データを保証するクエリ合成とフィルタリングのメカニズムである。 PC$2$ベースのLCM-as-a-Judge法は従来のLCM-as-a-Judge法と比較して大幅に精度が向上する
  論文  参考訳（メタデータ） (2025-05-10T16:52:40Z)
• Position: The AI Conference Peer Review Crisis Demands Author Feedback and Reviewer Rewards [2.8239108914343305]
  本稿では,従来の一方向レビューシステムを双方向フィードバックループに変換する必要性を論じる。 著者はレビューの品質を評価し、レビュアーは正式な認定を受け、説明責任フレームワークを作成する。
  論文  参考訳（メタデータ） (2025-05-08T05:51:48Z)
• Paper Quality Assessment based on Individual Wisdom Metrics from Open Peer Review [4.35783648216893]
  従来のクローズドピアレビューシステムは遅く、コストがかかり、透明ではない。 我々は、オープンなボトムアッププロセスを通じて、科学的ピアレビューの代替形態の有効性と正確性を提案し、検証する。
  論文  参考訳（メタデータ） (2025-01-22T17:00:27Z)
• Analytical and Empirical Study of Herding Effects in Recommendation Systems [72.6693986712978]
  評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。 本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-20T14:29:23Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• Ranking Scientific Papers Using Preference Learning [48.78161994501516]
  我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。 ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-02T19:41:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。