MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394270736 · doi:10.6084/m9.figshare.5644795

GREEN PRODUCTS: A CROSS-CULTURAL STUDY OF ATTITUDE, INTENTION AND PURCHASE BEHAVIOR

2017· dataset· en· W4394270736 sur OpenAlexaboutno aff
Sofia Batista Ferraz, Cláudia Buhamra, Michel Laroche, Andres Rodriguez Veloso

Notice bibliographique

RevueFigshare · 2017
Typedataset
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologySocial psychologyAdvertisingBusiness

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Purpose: 1. to investigate if a difference is found between university students of both countries. 2. to provide an analysis of the attitudes, intentions, and behavior of Brazilian and Canadian university students regarding the purchase of green products. Originality/value: The relevance includes a cross-cultural study between Brazil and Canada and its possible use as a tool for educators in the Business area seeking to develop curricula that will prepare students for future roles in management. The study may also stimulate other research on green product markets. Moreover, it should be useful to managers in developing corporate environmental management systems in large and small organizations, as well as to professionals seeking to develop marketing strategies based on the behavior of their consumers. Design/methodology/approach: Data analyses were conducted using confirmatory factor analysis and structural equation modeling. Findings: The study demonstrated the positive and direct relationship between intention and behavior. The literature notes incentives and stimuli to promote purchase behavior through features, such as quality, price, and availability. These are key factors in the relationship between intention and purchase 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,325
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetEnvironmental Sustainability in Business→Travaux en français237 207→