A Model of Green Business Predicted Green Economy through Inspiration of Public Mind
Notice bibliographique
Résumé
The research objectives were to validate the causal model of Green Business (GB) Predicted Green Economy Perception (GEP) through Inspiration of Public Mind (IPM) of undergraduate of Rajabhat Mahasarakham University.The findings illustrated that GB and IPM can predict the variation of GEP with 79.00 percent.GB had the most direct effect on GEP with an effect 0.48, subsequence was IPM with an effect 0.45.Moreover, GB had effect on IPM with an effect of 0.40 and be able to predict the variation of IPM with 80.00 percent.The causal model of GB effect with IPM and GEP was confirmed the proposed model and it was fitted with all observed variables consistent with criteria of Chi-Square/df value with less or equal to 2.038.It was less than or equaled to 5.00 (X 2 /df < 5.00).RMSEA (Root Mean Square Error Approximation) equaled to 0.042 (RMSEA < 0.05) and RMR (Root Mean Square Residual) equaled to 0.028 (RMR < 0.05) including index level of model congruent value of Goodness of Fit Index (GFI) equaled to 0.94, and Adjust Goodness of Fit Index (AGFI) equaled to 0.93 which are between 0.90-1.00.
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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».