The effects of internet of things, strategic green purchasing and green operation on green employee behavior: Evidence from hotel industry
Notice bibliographique
Résumé
Many people are aware of taking care of the global environment, so they demand environmentally friendly business activities. The government also has responded to the commotion by requiring companies to produce friendly and safe products or services to their customers. Hotel industries react to it by implementing the concept of green hotels. The purpose of this study is to examine whether the Internet of Things, strategic green purchasing and green operation have impacted green employee behavior in star-hotels in East Java. Eighty-two (82) questionnaires were distributed, but only 62 questionnaires were valid, with a response rate of 75.60 %. SEM-PLS (Structural Equation Modelling Partial Least Square) was used to analyze the data. The results show that the Internet of Things (IoT) has a significant impact on green hotel operation, with the T-statistic value of 0.378. green purchasing has a significant impact on green hotel operation, with the T-statistic value of 0.545, and green employee behavior, with the T-statistic value of 0.346. The Internet of things (IoT) has no significant impact on green employee behavior directly but through green hotel operation. The use of energy efficiency and the existence of good waste management as indicators of green hotel operation has an impact on green employee behavior of 0.346.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».