Green consumer research: Trends and way forward based on bibliometric analysis
Notice bibliographique
Résumé
The study provides a comprehensive view of the research that has been conducted in the previous three decades on the topic of ‘green consumer’ in the marketing management domain and unravels the intellectual structure of the field along with the identification of core research gaps. Bibliometric analysis of 493 Scopus-indexed documents was conducted, including the keyword network analysis, co-authorship analysis, and reference co-citation analysis with VOSviewer. SciMAT analysis was conducted to identify the evolution of themes and strategic map. The study identified major contributors in the field (the most productive author: Li Y.), articles with the highest impact, the leading journals in the field (the most prolific journal: Journal of Cleaner Production), geographical locations where research of the field is concentrated (leading country: China) and the universities emphasizing on green consumer research (leading university: Florida International University). In addition, five major themes that characterize the body of knowledge on green consumer topics were identified namely, consumer buying behaviour, sustainable development, green products, human behavioural aspects, and green marketing. Evolving themes were identified as renewable energy and environmental policy. Core research gaps were then highlighted, providing a call for future research. This study would enable industry leaders and academic researchers to gain new higher-level insights into this emerging field. Such insights would be instrumental in developing strategies to attract green consumers. The study will also support policy development to promote green consumption.
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 | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,117 | 0,210 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».