Avoiding Greenwashing in Event Marketing: An Exploration of Concepts, Literature and Methods
Notice bibliographique
Résumé
Greenwashing, defined by the Oxford Dictionary as “disinformation disseminated by an organization so as to present an environmentally responsible public image” can cause multifarious problems for companies. The phenomenon of greenwashing has, however, not attracted much attention in the event marketing literature to date. The purpose of this paper is twofold. It first describes and analyses the specific characteristics and features of greenwashing in event marketing. It then seeks to identify the current fundamental approaches of how to avoid greenwashing in event marketing and to assess their potential. A two-step literature analysis with complementary search approaches served as a methodical framework. First, journals related to event marketing were screened for the keywords “greenwashing” and “greenwash”. Next, the general literature was consulted for the same keywords. The results clearly demonstrate that the subject of greenwashing has been widely neglected in the event literature. There appears to be no overall concept or approach that allows event actors to avoid greenwashing, albeit various individual initiatives exist. However, it also became clear that initiatives against greenwashing in event marketing can be developed and implemented in the short and long term, for example by integrating different stakeholders. Additional political and juridical efforts based on specific guidelines are also necessary to prevent greenwashing in the future. The study is the first one to provide a systematic approach to the topic of greenwashing in the context of event marketing, including relevant approaches for its avoidance. It can thus help practitioners to better detect and avoid greenwashing in the event industry and to guide similar research in the future.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,008 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».