Exploring the adoption of photovoltaic cleaning robots: An institutional management approach
Notice bibliographique
Résumé
There is increased adoption of renewable energy, particularly photovoltaic (PV), as a major source of clean and environmentally friendly energy. With the wide application of PV technologies, commonly called solar panels, their appropriate maintenance and cleaning are vital for optimum PV energy generation. The research focuses on exploring the various factors attributed to influence the want, intention and need to use PV panel cleaning robots in Thailand from an institutional management perspective. The study adopted the extended C-TAM-TPB by adding three more variables - Trust in technology, awareness of renewable energy, and environmental concern. A quantitative approach was used, where primary data was collected from PV institutional users. A population sample of 411 respondents was used. The confirmatory factor analysis (CFA) came in handy in evaluating the performance model, with the study's hypotheses being evaluated by the structural equation modeling (SEM). Results indicated that most of the subjective behaviors, perceived behavioral controls, and trust in technology played a key role in determining the intention and need to use solar panel cleaning robots. Perceived usefulness was found to have significant influence towards PV panel adoption. The influence of attitude was mediated by several factors – environmental concern, renewable energy awareness, trust in technology. The study recommended that the institutional users of solar panels should consider investing in knowledge regarding perceived behavioral control, developing confidence in the use of renewable and sustainable energy, and developing trust of the renewable and sustainable energy technologies. This could be achieved through programs such as public awareness, sharing accurate information regarding solar panel cleaning robots, and providing support and after sales support. Educational initiatives to change users' attitudes toward renewable energy technologies were recommended.
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 | 0,003 | 0,005 |
| 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 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».