Wash it, or wear it? Perceptions of odor control technologies on activewear and their influence on the likelihood to launder
Notice bibliographique
Résumé
<p dir="ltr" style="line-height:1.38;margin-top:0pt;margin-bottom:0pt;">The consumer phase in the clothing life cycle significantly impacts energy consumption and greenhouse gas emissions. As odor can compel laundering, assumptions that odor-control technologies will reduce laundering frequency can be made. This study examined the effectiveness of antimicrobial (AM) and anti-odor (AO) finishes in reducing washing frequency for activewear. An experimental survey with university students (n=115) was used to test the null hypotheses that AM and AO treatments on activewear would not significantly differ from no odor control treatment. The experimental survey used hypothetical scenarios regarding wear and laundering choices. Results showed no significant differences among treatments in prompting extended wear without washing. Hence, AM- or AO-treated garments did not result in less laundering than untreated activewear. These findings challenge assumptions about the impact of such treatments on laundering habits, highlighting consumers' ingrained laundry practices. <span id="docs-internal-guid-6e32602a-7fff-3e7d-80a7-e50d20fd4001"> <span style="font-size: 10pt; font-family: Calibri, sans-serif; color: rgb(0, 0, 0); background-color: transparent; font-variant-numeric: normal; font-variant-east-asian: normal; font-variant-alternates: normal; font-variant-position: normal; vertical-align: baseline; white-space-collapse: preserve;"><br></span> </span>
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».