MétaCan
Menu
Retour à la cohorte
Enregistrement W2746978892

ASSESSING THE INFLUENCE OF PERSUASIVE SYSTEMS FOR SUSTAINABILITY ACROSS WORK-HOME-COMMUNITY BOUNDARIES

2017· article· en· W2746978892 sur OpenAlexaff
Jacqueline Corbett, Sarah Cherki El Idrissi

Notice bibliographique

RevueJournal of the Association for Information Systems · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueErgonomics and Human Factors
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSustainabilityWork (physics)Computer scienceKnowledge managementEngineeringMechanical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Little doubt remains that human activities have contributed to climate change and environmental degradation over the past century. Humans must now alter their behaviours if the devastating consequences of climate change are to be avoided. To this end, persuasive systems for sustainability present a novel opportunity for encouraging environmentally responsible behaviours. This paper is part of ongoing research seeking to assess the influence of a persuasive system for sustainability deployed in one domain, such as a utility-sponsored energy conservation application, on individual behaviours within that domain, and also in other domains, such as at work or in the community. Here, we report on the development of measures to evaluate our constructs of interest, namely environmentally responsible behaviours at work, home and in the community, rebound effects, work-home-community boundary strengths, complexity of change and system characteristics of perceived persuasiveness and integration support. Through a process that included item creation, card sorting and exploratory factor analysis based on a survey of 168 participants, we have been successful in developing certain measures. Although still in progress, this work contributes to the Green IS literature by developing new measures and drawing attention to mechanisms for enhancing organizational and inter-organizational sustainability initiatives.

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)0,019
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,019
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,099
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,019
Tête enseignante GPT0,294
Écart entre enseignants0,275 · 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'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 revueJournal of the Association for Information SystemsMême sujetErgonomics and Human FactorsTravaux en français237 207