MétaCan
Menu
Retour à la cohorte
Enregistrement W3010800300 · doi:10.5539/ijms.v12n2p1

Investigating the Key Success Factors of Social Marketing in Promoting Environmental Consciousness: A Dematel-Based Approach

2020· article· en· W3010800300 sur OpenAlexvenueno aff
Chi-Horng Liao

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental consciousnessBusinessMarketingConsciousnessKey (lock)Social marketingPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Due to the overuse of the environment and natural resources, our environment has suffered long-term damage and natural disasters have been exacerbated by climate change, resulting in a significant impact on people’s livelihood and security. People must consider saving the environment as everyone’s responsibility. Hence, Environmental consciousness should be promoted to inspire public participation. This study used the Decision Making Trial and Evaluation Laboratory (DEMATEL) method to identify the key success factors of social marketing in promoting environmental consciousness. The DEMATEL method has been proven highly effective in gathering the views of experts and thereby providing information of greater reliability in many areas. The results of this research suggest that “Take advantage of existing successful campaign”, “Using appropriate media channel to increase the participation”, and “Enhancing campaign success by appropriate research” are the main strategies for promoting environmental consciousness. The findings of this study may be used in future success factor evaluations where social marketing is compared with other measures aiming to increase the efficiency of the campaign.

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)0,035
score de la tête « metaresearch » (Gemma)0,049
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 enseignants0,035
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,049
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0130,005
Études des sciences et des technologies0,0020,004
Communication savante0,0050,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,022
Tête enseignante GPT0,283
Écart entre enseignants0,261 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetEnvironmental Education and SustainabilityTravaux en français237 207