MétaCan
Menu
Retour à la cohorte
Enregistrement W3001153224 · doi:10.1177/2051570719891037

The destiny of replaced technological products: The influence of perceived residual value

2020· article· en· W3001153224 sur OpenAlexaff
Dominique Kréziak, Isabelle Prim‐Allaz, Élisabeth Robinot

Notice bibliographique

RevueRecherche et Applications en Marketing (English Edition) · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésDestiny (ISS module)Product (mathematics)Possession (linguistics)PopulationValue (mathematics)DispositionSample (material)Perspective (graphical)BusinessMarketingPsychologyEngineeringSocial psychologyStatisticsComputer scienceMathematicsMedicineEnvironmental healthChemistry

Résumé

récupéré en direct d'OpenAlex

Technological products are being replaced at an increased rate, inducing the disposition of still functioning devices and generating a growing flow of electronic waste. Following the perspective of the circular economy, this research uses perceived residual value (PRV) to shed new light on the destiny of replaced products. Considering simultaneously consumers’ evaluation of a product in a specific situation, PRV is the value consumers ascribe to post-use possession. A measurement tool of PRV is developed and used to measure its effects on a sample of 1,302 respondents representative of the French population. Results show that the three dimensions of PRV (utilitarian, financial, and affective) influence whether or not a replaced technological product is kept. PRV has a major impact on disposition channels when the replaced product is not kept. These results lead to managerial recommendations, as PRV can be used to foster product recirculation and contribute to reducing the wastage of natural resources.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,039
Tête enseignante GPT0,278
Écart entre enseignants0,239 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRecherche et Applications en Marketing (English Edition)Même sujetSustainable Supply Chain ManagementTravaux en français237 207