Analyzing Toyota City’s Eco-policy Through Strategic Marketing Tools
Notice bibliographique
Résumé
Toyota City has long been making efforts to promote its eco-policy based on five eco-themes: transportation, the urban center, industry, forests, and the public welfare and livelihood. A previous study that examined changes in citizens’ awareness regarding the city’s eco-policy between 2012 and 2015 illustrated that while the city has been successful overall to communicate its eco-policy to citizens, it has failed to do so in some eco-themes such as industry or forests. That is, despite some improvement, promoting the city’s eco-policy still remains an issue. This paper analyzes Toyota City’s eco-policy by using strategic marketing tools to help elaborate on effective eco-policy promotion in the framework of social marketing. Given that the ultimate goal of eco-policy is to promote citizens’ pro-environmental behaviors, the concept of social marketing is relevant here, as it includes the promotion of public policies, including eco-policies. Social marketing also may help understand why some cities succeed to promote their eco-policies while others fail to do so and elaborate on an effective policy-making and promotion. In this article, I will first describe a brief overview of Toyota City’s eco-policy. I will next employ different kinds of marketing approaches that may be relevant to promoting eco-policy. I will then employ several strategic tools (i.e., marketing mix, strategic purposes, PEST, strategic groups, and SWOT) to help analyze Toyota City’s eco-policy. This article ends with some discussions about how to promote the city’s eco-policy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».