Antecedents and outcomes of green information technology Adoption: Insights from an oil industry
Notice bibliographique
Résumé
Growing environmental concerns have led to increased demand for ‘green’ or environmentally friendly business. This has resulted in growing interest in the research of Green Information Technology (GIT). However, to date, such research has had a disproportionate emphasis on organisational antecedents while often overlooking outcomes. The current study aims at giving a better insight into the state of GIT adoption among oil companies in Sudan. If these companies were to adopt a green business model, it would significantly impact the environment given that they typically contribute significantly to environmental degradation. To this end, this study a) determines the level of awareness of GIT adoption among employees of oil companies in Sudan, b) identifies the key factors affecting the GIT adoption, c) examines the effect of training, top management support, perceived ease of use, perceived usefulness, relative advantages, and GIT behaviour on GIT adoption, and (d) examines the effect of GIT adoption on outcomes, namely business performance, competitive advantage, and process innovation. From a sample of 292 respondents, the result revealed that top management and GIT behaviour were two of the four antecedents not supported by data, thereby rendering them insignificant. Surprisingly, the survey data supports all three hypotheses that recognise a positive relationship between GIT adoption and the outcomes. This study provides important empirical evidence from oil companies that lack a green adoption policy that encourages them to consider joining the green bandwagon. The study concludes that most respondents are aware of GIT.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».