The Effect of Gender and Age on the Factors That Influence Healthy Shopping Habits in E-Commerce
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
People typically eat what they shop for; if consumers shop for healthy foods, they will likely eat healthy foods. In order to influence healthier eating habits among consumers, it is important to identify the factors that influence them to shop for healthy foods. To contribute to ongoing research in this area, we explore the influence of commonly used e-commerce strategies: personality, persuasive strategies, social support, relative price, and perceived product quality on healthy shopping habits among e-commerce shoppers. Research has shown that personalizing these strategies makes them more effective in achieving the desired behavior change among users. Age and gender have been identified as factors that can be used for group-based personalization. We thus investigate the moderating effect of age and gender on the factors that influence healthy shopping habits in e-commerce shoppers. To achieve this, we carried out an online study of 244 e-commerce shoppers. Using partial least squares structural equation modeling (PLS-SEM), we developed a path model using the commonly used e-commerce factors: personality, persuasive strategies, social support, relative price, and perceived product quality. The result of our analysis suggests that social support, relative price and perceived product quality significantly influence healthy shopping habits in e-commerce shoppers. In addition, females are more influenced by social support to adopt healthy shopping habits compared to male e-shoppers. Furthermore, older shoppers are more influenced by social support to adopt healthy shopping habits, while the younger shoppers are more influenced by the relative price of products.
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle