Overview of factors influencing consumer engagement with plastic recycling
Notice bibliographique
Résumé
Abstract Many semi‐durable and durable consumer goods are composed of plastic. Yet, plastic pollution is one of the most pressing environmental issues as it harms oceans and marine biodiversity. This state of affairs is worsened because plastic recycling rates remain low. Therefore, one commonly proposed solution is to improve plastic waste management to create a circular plastics economy. However, focusing on recycling management alone overshadows the consumption component and how consumers might contribute to recycling efforts. Although not alone in the overall recycling process, consumers are critical stakeholders in this because through their disposal behavior, they determine the responsible discarding of plastic through recycling. The significance of consumer engagement in driving circularity has been strongly emphasized in extant research and practice. Shifting from a linear plastic economy toward a circular one requires the active contribution of all stakeholders, especially the consumer. Hence, given the centrality of consumers' role, this paper provides an overview of the themes related to consumer engagement with plastic recycling. More specifically, the paper reveals three layers of influence on consumer plastic recycling behavior: (1) macroenvironmental factors, (2) situational factors, and (3) individual factors. This review provides scholars, practitioners, and decision‐makers with better insights into the themes to consider in order to spur consumer engagement in plastic recycling. This article is categorized under: Human and Social Dimensions > Behavioral Science Emerging Technologies > Materials Climate and Environment > Circular Economy
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».