MétaCan
Menu
Retour à la cohorte
Enregistrement W2835698478 · doi:10.3390/su10072407

Recycling Intention and Behavior among Low-Income Households

2018· article· en· W2835698478 sur OpenAlexaff
Abdullah Al Mamun, Muhammad Mohiuddin, Ghazali Ahmad, Syed Ali Fazal

Notice bibliographique

RevueSustainability · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensThompson Rivers University
Organismes subventionnairesUniversiti Malaysia Kelantan
Mots-clésLow incomeBusinessEconomicsEnvironmental economicsDemographic economics

Résumé

récupéré en direct d'OpenAlex

To improve our knowledge of how to protect the environment, this study examined the factors that influence recycling intention and behavior among low-income households. The study adopted a cross-sectional design that relied on 380 low-income households who live in coastal Peninsular Malaysia. The findings revealed a positive effect of eco-literacy, environmental concern, and self-efficacy on the attitude towards environmentally friendly products. Subsequently, the findings also illustrated a positive effect of normative beliefs on subjective norms. Moreover, the results revealed a positive effect of attitude towards environmentally friendly products and perceived behavioral control (PBC) on recycling intention. Finally, there was a positive effect of both PBC and recycling intention on recycling behavior. Although this study’s focus on a specific income group from a single country could limit generalizability; the findings nevertheless provide scholars and policymakers with significant insights into promoting recycling activities, which are expected to contribute to the environment and reduce the environmental and economic vulnerability among low-income households. Therefore, environmental and socio-economic development organizations should assess the feasibility of recycling materials and develop a supportive system that facilitates and encourages recycling activities.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,261
Écart entre enseignants0,247 · 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

Citations63
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetConsumer Retail Behavior StudiesTravaux en français237 207