MétaCan
Menu
Retour à la cohorte
Enregistrement W2618665460

Impact of Purchasing Decisions on Eco Friendly Products in Fast Moving Consumer Goods Sector with Special Reference to Calicut District, Kerala

2017· article· en· W2618665460 sur OpenAlexvenueno aff
Sruthiya Vn

Notice bibliographique

RevueThe Journal of Internet Banking and Commerce · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmentally friendlyPurchasingBusinessProfit (economics)Product (mathematics)MarketingDilemmaFast-moving consumer goodsConsumer awarenessProfit marginPerceptionEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Today’s world is witnessed by a drastic increase in the products that are either substitutes or complementary. The consumers are in a dilemma with regard to their purchase decision. The availability of the products is a boon to the economy, but are these products being utilized in a proper manner where in the environmental issues are taken into consideration. The resources that are available in the economy are less as compared to what is needed. Therefore a proper balance is to be kept between the utilization and its disposal. The producers may be concerned about their profit margin, still keeping the objectives the production could be effectively done without harming the environment. If the products which are environment friendly, are produced the attitude and awareness of the consumer is important. The paper draws a light into the awareness and attitude of consumers with regard to FMCG eco-friendly products which is confined to Calicut district. A questionnaire is designed to find out the market awareness of eco-friendly products, to analyse the perception of consumers and also to identify the consumer’s willingness to pay for eco-friendly products. The data is alsobeen collected from various secondary sources. The results illustrates that majority of the consumers are not aware of products available in the market. Consumers are willing to pay more if there is green feature for the product but they are averse because of green washing by the companies.

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 enseignants0,186
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,037
Tête enseignante GPT0,279
Écart entre enseignants0,242 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Internet Banking and CommerceMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207