Modelling the energy conservation behaviour among Chinese households under the premises of value-belief-norm theory
Notice bibliographique
Résumé
Energy conservation is a necessary form of green behaviour, as energy production and consumption gravely affect the climate. The current study aimed to explore energy conservation behaviour among Chinese households based on the value-belief-norm framework. This study used a cross-sectional design and collected quantitative data from 1671 respondents through an online survey. The hybrid analysis techniques of partial least squares structural equation modelling and artificial neural network analysis were used to analyse the data. Findings revealed that biospheric values have a positive and significant effect on pro-environmental beliefs, awareness of consequences, and ascription of responsibility, which ultimately explains 46.3% of the change in personal norms and 42.6% of the change in green trust. The results shed light on the significant positive impact of green trust and personal norms on the energy conservation intention. Green trust and personal norms can elucidate 27.3% of the change in energy conservation intention. The energy conservation intention (39.1%) explains the energy conservation behaviour. The results of ANN analysis revealed energy conservation intention, personal norms, green trust, and awareness of consequences as the four most significant contributors to the formation of energy conservation behaviour. The current study extended the VNB model with the green trust. It offered empirical evidence on the effects of pro-environmental belief, awareness of consequences, and ascription of responsibility concerning energy conservation intention. Energy policies should thus concentrate on addressing energy conservation behaviour, promoting energy-efficient household appliances, and rewarding energy conservation by lowering energy prices for low-energy users.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».