Research on Incentive Mechanism and Evaluation of Gamification Application for Sustainable Consumption in the Context of China
Notice bibliographique
Résumé
The gamification of sustainable consumption is receiving more and more attention from both academic and business circles. However, there is still a lack of research on the incentive mechanism and evaluation of gamification design to promote sustainable consumption behavior. Taking the gamified apps that promote sustainable consumption in China as an example, this study attempts to explore the incentive mechanism of gamification application for sustainable consumption by using the “stimulus-organism-response” model. Furthermore, it also constructs an evaluation index system of gamification design for sustainable consumption app and identifies the key factors in the gamification design by using the analytic hierarchy process. The results suggest that gamification apps use game elements and game mechanism frameworks to build a new sustainable consumption context for users, which breaks the boundary between reality and virtuality, and enables users to gain real-life value for their behavior in the virtual world. Moreover, the trust mechanism and socialized contextual experience of the gamified apps further strengthen this sense of connectedness and interaction, and enhance the user's motivation for sustainable consumption. In the gamification design of sustainable consumption app, more attention needs to be paid to the implementation effect behind gamification, that is, to promote the cultivation of public sustainable consumption values and lifestyle. This study advances theoretical and practical understanding of the gamification of sustainable consumption. The results can also be used as a starting base for the development and design of gamified apps in the sustainable consumption field.
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 | 0,014 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».