MétaCan
Menu
Retour à la cohorte
Enregistrement W2878474064 · doi:10.1002/bse.2185

Identifying consumers' engagement with renewable energy

2018· article· en· W2878474064 sur OpenAlexafffundabout
Aparna Venugopal, Dhirendra Shukla

Notice bibliographique

RevueBusiness Strategy and the Environment · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesMitacs
Mots-clésRenewable energyIncentiveWillingness to payMoral disengagementBusinessSustainabilityMarketingEnergy (signal processing)Environmental economicsEconomicsPublic economicsMicroeconomicsPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract A moral engagement with sustainability enhances consumers' willingness to pay an increased rate for renewable energy when utility firms offer a variety of financial incentives to buy, rent and lease energy solutions to promote the uptake of energy‐efficient technologies. Using structural equation modelling, with data collected from 140 residential energy consumers in Canada, this paper tests and finds evidence that consumers' moral disengagement with environmental concerns negatively influences their willingness to pay more for renewable energy. Furthermore, it is observed that a consumer's perceived sense of control when evaluating energy solutions further accentuates the effects of moral disengagement on willingness to pay. These findings also illuminate the socio‐economic factors that encourage moral engagement concerning renewables. These findings underscore and build upon the claims of the theory of moral self‐regulation. The results and implications guide energy suppliers in potential niche business models to promote the uptake of energy efficient technologies. Similarly, the findings can guide policy‐makers on the cognitive and psychological factors that shape consumers' moral engagement with environmental concerns.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,204
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,014
Tête enseignante GPT0,224
Écart entre enseignants0,210 · 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.

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

Citations26
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBusiness Strategy and the EnvironmentMême sujetEnvironmental Education and SustainabilityTravaux en français237 207