How Consumer Motivations to Participate in Sharing Economy Differ Across Developed and Developing Countries: A Comparative Study of Türkiye and Canada
Notice bibliographique
Résumé
Extreme and fundamental changes in the economy and social life in the 2000s, fueled by technological development, pushed people toward new ways of consumption known as “Sharing Economy” (SE). Consumers’ motivations to participate in SE are still not completely clear because of SE’s relatively short history and hazy boundaries. This study aimed to contribute to closing that gap. This research also looks at how consumers’ motives for SE differ across countries. Data from 678 people (440 in Istanbul, Türkiye, and 238 in Toronto, Canada) were collected and analyzed using partial least squares structural equation modeling (PLS-SEM). The results indicate that economic benefits, modern lifestyle, enjoyment, and ecological sustainability concerns substantially impact consumers’ participation in SE in both Türkiye and Canada. However, consumers in both countries are unaffected by product diversity, ubiquitous availability, sense of belonging, or convenience. In addition, altruism influences Turkish consumers but not Canadians; this could be explained by Türkiye’s being a Middle Eastern country with a feminine cultural structure. Even though Türkiye and Canada are very different in economic, social, cultural, and historical terms, their outcomes are remarkably similar. These identical findings indicate that consumers’ stimulations are similar in participating SE regardless of their country of origin. This paper is unique as it is the first research comparing Turkish and Canadian consumers’ motivations. This study is significant for both literature and practitioners in that it contributes to better understanding consumer incentives in SE.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».