MétaCan
Menu
Retour à la cohorte
Enregistrement W4399595769 · doi:10.1177/07439156241264286

Is Sustainability a Liability? Green Marketing and Consumer Beliefs About Eco-Friendly Products

2024· article· en· W4399595769 sur OpenAlexaff
Alexander Chernev, Sean Blair, Ulf Böckenholt, Himanshu Mishra

Notice bibliographique

RevueJournal of Public Policy & Marketing · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésSustainabilityLiabilityVariety (cybernetics)MarketingArgument (complex analysis)Relevance (law)Product (mathematics)BusinessEnvironmental economicsEconomicsAccountingPolitical scienceComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Prior research has suggested that consumers believe sustainable products tend to underperform compared with those made using traditional methods, a phenomenon referred to as the “sustainability liability.” Despite early conceptual justification and evidence supporting this argument, recent research has not attempted to validate this effect and assess its practical relevance. By employing a variety of scenarios adapted from prior studies, the authors quantify the magnitude of the sustainability-liability effect and show that it is relatively small and unlikely to be meaningful. This research also estimates the boundary conditions to identify scenarios in which a significant sustainability-liability effect might occur. Using archival data, the authors demonstrate that the association between sustainability and inferior product performance has decreased over time, explaining the discrepancy between their findings and prior research. These findings have important public policy implications, providing decision makers with empirical evidence that designing and promoting eco-friendly products can benefit society without detracting from the perceived performance of the company's offerings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,032
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,398
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,258
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public Policy & MarketingMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207