Factors for Implementation of Circular Economy in Firms in COVID-19 Pandemic Times: The Case of Peru
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The circular economy can contribute to the eco-efficient use of resources. Firms can obtain relevant benefits if they implement a circular economy. In Peru, the circular economy would create benefits, but it is not fully clear what factors explain the acceptance of firms of implementing a circular economy. Following the theory of planned behavior, the current research assesses the influence of attitudes, subjective norms, perceived behavioral norms, intentions, and pressures on behaviors towards the circular economy. A total of 71 medium-size firms based in Peru participated in an online survey. Six questions were focused on general information, and forty-seven questions evaluated the circular economy behavior of firms. A partial least square structural equation modeling technical analysis was used. It was found that attitudes (0.144), subjective norms (0.133), and perceived behavioral control (0.578) had a positive influence on intentions; also, perceived behavioral control (0.461) had a positive influence on behaviors towards the circular economy. Finally, pressures had a positive influence (0.162) on behaviors towards the circular economy. The model explained 64.3% of the behaviors towards the circular economy. The outcomes of the bootstrapping test were used to evaluate if the path coefficients are significant. This study showed that attitudes, subjective norms, perceived behavioral norms, intentions, and pressures explained circular economy behaviors. This information can help firms develop strategies to move forward a circular economy and provide governments information about the current situation of circular economy implementation to generate new norms and strategies for more implementation of circular economy measures in enterprises. The novelty is based on using the PLS-SEM technique.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle