Digital Marketing and Sustainability in the Era of Climate Change: PLS-Structural Equation Modeling Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper aimed to examine the Buying behavior and awareness among the active community of 4.54 billion web-based users (59% of the Global populace) and their concerns over the issue of Climate Change, environment-friendly practices, recyclable packaging, safe and human-grade products, and services appeal to the sensitivity and culture of the digitized platform users. The online survey method was used to collect data from 482 participants via an online questionnaire. This study derived data from an ethically/commercially motivated online survey (n = 482) (used PLS-SEM Modeling for the analysis of complex latent variables) from the UK, USA, Canada, Pakistan, and Saudi Arabia, to determine general domestic buying/consumption patterns and preferences; most narrowly related with the concern/responsibility/awareness of disruptive climate change. The studys findings established positive relationships between Clients and conceptions patterns of everyday buying for contributing to climate change and environment-related consumer buying practices. The study suggests both challenges assumed wisdom about environment-related user behavior patterns and suggest future projected gaps for 2030-2050 for future research. The experts perspectives offer an inclusive chronicle on vital facets of this imperative topic as well as views on related issues plus artificial intelligence, driven social and digital Green Marketing complexities, gaps, and limitations in the contemporary research, bonding Green Marketing with buying complexities, climate change and especially clients transformed online buying behavior.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle