Démarketing de la consommation d’électricité résidentielle avec les croyances relatives à la législation comme modérateur : une étude de cas sur la bande de Gaza, en Palestine
Notice bibliographique
Résumé
La demande croissante d’électricité pose des défis dans certaines régions du monde. Ce constat est particulièrement vrai dans la bande de Gaza (BdG) en Palestine, où la pénurie d’électricité est exacerbée par la forte croissance démographique et par le siège israélien de 10 ans ayant empêché la modernisation de la seule centrale électrique du territoire. Actuellement, la réduction de la consommation d’électricité est la seule solution réaliste pour pallier cette pénurie. Considérant que les ménages représentent une part importante de la consommation d’électricité, cet article examine dans quelle mesure leurs intentions de consommation peuvent être réduites en utilisant des stratégies de démarketing, donc de dissuasion. En outre, l’article teste l’efficacité de la réglementation à influencer les intentions de déconsommation résidentielle. Une étude empirique a été menée à l’aide d’une enquête en face à face pour collecter des données primaires afin de tester les hypothèses. Les résultats du questionnaire, distribué à 384 résidents sélectionnés au hasard dans la BdG, révèlent une relation positive significative entre les variables indépendantes (produit, prix, lieu et promotion) et la variable dépendante (intentions de déconsommation). De plus, la réglementation amplifie la relation entre les intentions de déconsommation et toutes les variables de la combinaison démarketing (mix demarketing)2, à l’exception du produit. Ces résultats sont plus élevés pour les femmes et les jeunes consommateurs, les personnes mariées, les ménages dont le chef de famille est une femme ainsi que lespersonnes à faible niveau d’instruction et de revenu.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».