MétaCan
Menu
Retour à la cohorte
Enregistrement W3216369194 · doi:10.18280/ijsdp.160616

Roles of Regulation and Lifestyle on Indonesian Coffee Consumption Behavior Across Generations

2021· article· en· W3216369194 sur OpenAlexvenueno aff
Adi Prasetya Utama, Ujang Sumarwan, Arif Imam Suroso, Mukhamad Najib

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRespondentIndonesianConsumption (sociology)Consumer behaviourAction (physics)PsychologyMarketingAdvertisingSocial psychologyBusinessSociologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Coffee beverage consumption has become more important in the recent years and has touched the lifestyles of the old and young people. The research of coffee consumption, especially in relation to the lifestyles of the people, therefore needs to be intensified. The purpose of this study was to compare the contribution of regulation and lifestyle in determining coffee drink consumption among old and young consumers. The theory adopted was the SOR (stimulus-organism-response) theory and the AISAS (attention-interest-search-action-share) model approach. Data were collected online in April-May 2020, and obtained 413 valid respondent data, which consist of 207 old respondents and 206 young respondents. The results showed that the lifestyle variable had positive effects on attitude and search behavior of both young and old generations. The lifestyle variable also had significant effects on coffee consumption for both generations. The regulation variable had positive effects on attitude and action of young coffee consumers, but it had no effect on attitude, search and action of old consumers. The research suggests that, to increase coffee consumption, better regulation approach should consider the age of the consumer. Especially, more attention should be paid for the regulation on coffee marketing for older generation.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,323
Écart entre enseignants0,300 · 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetDigital Marketing and Social MediaTravaux en français237 207