MétaCan
Menu
Retour à la cohorte
Enregistrement W2556874617 · doi:10.1111/cjag.12128

Heterogeneous Consumer Preferences for Turfgrass Attributes in the United States and Canada

2016· article· en· W2556874617 sur OpenAlexvenueaboutno aff
Chengyan Yue, Jingjing Wang, Eric Watkins, Stacy A. Bonos, Kristen C. Nelson, James A. Murphy, William A. Meyer, Brian P. Horgan

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureUnited States Golf AssociationU.S. Department of Agriculture
Mots-clésPreferencePromotion (chess)MarketingBusinessGeographyAdvertisingWelfare economicsEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

This study investigates U.S. and Canadian consumer preferences and willingness to pay for turfgrass attributes and potential consumer market segments. Most studies focus on consumers’ preferences for low‐input turfgrasses at a state or regional level, but none have examined consumer preferences at a national or international level. In addition, we explore possible consumer preference heterogeneity and market segments. We find that one of the most influential turfgrass attributes for both U.S. and Canadian consumers is the ability to withstand foot traffic. Consumers’ preferences are greatly affected by maintenance attributes. Low mowing frequency, followed by water usage and fertilizer requirements, are considered the most important attributes for consumers. Generally speaking, many consumers are willing to pay high premiums for turfgrasses with lower maintenance requirements. Three consumer segments are identified based on participants’ heterogeneity in their preferences for turfgrass attributes: Balanced Consumers, Low‐input Conscious Consumers, and Appearance Conscious Consumers. Our results imply that breeding and promotion of low‐input turfgrasses species, which could benefit consumers and the environment, should receive greater attention from the turfgrass seed industry. Cette étude se penche sur les préférences des consommateurs américains et canadiens et leur volonté de payer pour des attributs du gazon, et les potentiels segments de marché grand public. La majorité des études se penche sur les préférences des consommateurs pour des gazons à faibles intrants au niveau de l′état ou régional. Aucune n'a encore examiné les préférences du consommateur au niveau national ou international. De plus, nous explorons l'hétérogénéité des préférences des consommateurs ainsi que les segments de marché. L'on constate que l'attribut du gazon ayant la plus grande influence sur les consommateurs américains et canadiens était la capacité de résister à la circulation piétonnière. Les préférences des consommateurs sont énormément influencées par les attributs d'entretien. La faible fréquence de tonte et les besoins en eau et en engrais représentent pour les consommateurs les plus importants attributs. En général, de nombreux consommateurs sont prêts à débourser plus pour des gazons qui nécessitent peu d'entretien. Trois groupes de consommateurs sont identifiés en fonction de l'hétérogénéité de leurs préférences pour les attributs du gazon: les consommateurs équilibrés, les consommateurs préoccupés par les faibles intrants et les consommateurs préoccupés par l'apparence. Les résultats suggèrent que la production et la promotion d'espèces de gazons à faibles intrants, bénéfiques pour le consommateur et l'environnement, devraient se trouver dans la mire de l'industrie semencière.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,690

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,164
Écart entre enseignants0,097 · 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 tête enseignante, pas un consensus.

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

Citations31
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetEconomic and Environmental ValuationTravaux en français237 207