MétaCan
Menu
Retour à la cohorte
Enregistrement W4210596434 · doi:10.1080/14724049.2022.2028794

When marketing discourages consumption: demarketing of single-use plastics for city tourism in Ottawa, Canada

2022· article· en· W4210596434 sur OpenAlexaffabout
Katharina Raab, Ralf Wagner, Myriam Ertz, Mohammed Salem

Notice bibliographique

RevueJournal of Ecotourism · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésTourismConsumption (sociology)Product (mathematics)Promotion (chess)Structural equation modelingMarketingBusinessRecreationEnvironmental economicsAgricultural economicsAdvertisingEconomicsSociologyGeographyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Single-use plastics (SUP), have been widely criticized for contributing to pollution and the throwaway culture. This paper applies the demarketing framework to SUP consumption in city tourism to spur tourists’ anticipated reduction benefits of SUP. More specifically, this study quantifies the impact of the well-established demarketing mix components, adding people’s motivations to avoid SUP. Data were collected through 326 self-administered questionnaires from city tourists in Ottawa, Canada, visiting areas surrounding the Canadian Parliament. A structural equation model was fitted for statistical data analysis covering the demarketing mix with three moderating variables – individual commitment, assigned responsibilities, and recycling attitude. The results suggest that modulating, respectively, promotion by showing the negative consequences of SUP; place, by reducing on-site availability of SUP; people’s motivation, to reduce SUP usage; price, by imposing a price premium on SUP; and product, by substituting SUP for alternatives, will most strongly increase city tourists’ anticipated reduction benefits.

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)0,002
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 enseignants0,047
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,235
Écart entre enseignants0,219 · 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

Citations49
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of EcotourismMême sujetEnvironmental Education and SustainabilityTravaux en français237 207