Knowledge sharing, perceived risk and environmental information on energy saving behaviors of hotel guests
Notice bibliographique
Résumé
Energy efficiency is one of the critical aspects, because the hotel sector has significant energy consumption and has an impact on environmental information. Energy efficiency helps reduce operational costs. By reducing excessive energy consumption, hotels can set a good example of responsible and sustainable business practices. It is important to understand the factors that affect energy efficiency. Some of the relevant factors are knowledge sharing, risk perception, and environmental information. This study aims to analyze the effect of knowledge sharing, risk perception, and environmental information factors on energy efficiency in the hospitality industry. The research method used in this study is a quantitative method with a survey approach. The number of samples used in this study were 176 hotel managers in Indonesia. Questionnaires were distributed to respondents using a Likert scale of 1 to 7. Data were analyzed using the Partial Least Square (PLS) method using SmartPLS software. The research results conclude that knowledge sharing, perceived risk, and environmental information have a significant influence on energy efficiency in the hospitality industry. Well-informed consumers tend to be more aware of the impact of their decisions and actions on environmental information, so they are more likely to choose hotels that adopt sustainable and energy efficient practices. In addition, the perception of risk also affects energy efficiency in the hospitality industry. Consumers who perceive risks associated with low sustainability or negative environmental information impacts are less likely to choose the hotel. Environmental information factors also play an important role in energy efficiency. Hotels that have an environment that supports and facilitates sustainable practices have the potential to achieve higher energy efficiency.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 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 ».