MétaCan
Menu
Retour à la cohorte
Enregistrement W4247226341 · doi:10.32920/ryerson.14648433

Factors Influencing the Diffusion of Battery Electric Vehicles in Urban Areas

2021· preprint· en· W4247226341 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueInnovation Diffusion and Forecasting
Établissements canadiensToronto Metropolitan UniversityInnovation, Science and Economic Development Canada
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)PurchasingElectric vehicleBusinessSet (abstract data type)Battery electric vehicleEnvironmental economicsAutomotive engineeringTransport engineeringMarketingComputer scienceEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Purchasing a battery electric vehicle is a type of pro-environmental behavior but the impact of such behavior on the environment becomes significant and beneficial only if a large number of individuals buy it. Therefore, getting battery electric vehicles diffused in a social system is a critical task which needs a special attention from consumers as well as governments and suppliers. This thesis aims to find out all factors influencing the rate of adoption of a battery electric vehicle by using the main constructs and important concepts of theory of diffusion of innovations proposed by Rogers (1962). The results indicate that seven factors influence the rate of adoption of a battery electric vehicle including social pressure, social prestige, usefulness for environment, difficultly of use, price, perceived risk, and knowledge and information about battery electric vehicles. Based on these factors, a road map and a set of policies to accelerate the rate of adoption of battery electric vehicles were proposed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,037
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,112
Tête enseignante GPT0,336
Écart entre enseignants0,224 · 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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovation Diffusion and ForecastingTravaux en français237 207