MétaCan
Menu
Retour à la cohorte
Enregistrement W2104874330 · doi:10.1111/j.1559-1816.2012.00978.x

The Effectiveness of Models and Prompts on Waste Diversion: A Field Experiment on Composting by Cafeteria Patrons

2012· article· en· W2104874330 sur OpenAlexaff
Reuven Sussman, Matthew Greeno, Robert Gifford, Leila Scannell

Notice bibliographique

RevueJournal of Applied Social Psychology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCafeteriaCompostNormativePsychologySocial psychologyIdeal (ethics)Applied psychologyWaste managementEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

This study investigated whether or not visual prompts and human models influence compost‐supportive behavior by individuals in a cafeteria setting. Waste disposal behavior of cafeteria patrons was observed (N = 1,060) after the introduction of (1) pro‐composting signs, and (2) models who demonstrated appropriate composting behavior. Ideal composting significantly increased relative to the baseline with the introduction of the signs (from 12.5% to 20.5%). A further increase (to 42%) was observed when two (but not one) individuals modeled the behavior, and this increase was sustained even after the models were removed. Informational and normative influences may explain the increase in composting. This study further supports the use of prompts and models as a strategy for encouraging pro‐environmental behaviors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,315
Écart entre enseignants0,300 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations62
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Social PsychologyMême sujetEnvironmental Education and SustainabilityTravaux en français237 207