Analysis of factors affecting purchase intention of slow-fashion products by applying the extended theory of planned behavior
Notice bibliographique
Résumé
Slow fashion is a new movement in the textile industry, where slow production mode and more ethical business processes are highly considered. This movement is an alternative to buying fast fashion productsto achieve a sustainable pattern. The theory of planned behavior also includes attitudes, subjective norms, and perceived behavior control, which are commonly used to analyze the patterns of green attitudinal variables through other additional principles, namelythe willingness to pay a premium, consumer effectiveness, and environmental knowledge. Therefore, this study analyzed factors influencing purchase intention of slow-fashion products. In this analysis, a randomized questionnaire was implemented and distributed to 140 Generation Z people in West Java Province, Indonesia. Structural equation modelingwas also used to test the fit model and path analysis of attitudes mediating green products knowledge on the intensity of buying slow-fashion products. The results showed that the three main variables of TPB and other influential/significant expanding principles were observed, except consumers' perceived effectiveness did not affect purchase intention. The limitations also prioritized the need for more experimental loci capable of being developed at different points. Moreover, the results obtained were beneficial for both academic and managerial purposes. This proved that green product purchasing behavior analysis needs to be academically improved, specifically for slow-fashion in developing countries. Managerial suggestions also increased green knowledge of fashion products through descriptive analysis. These suggestions enhanced consumers' understanding of the effective reduction of textile waste by purchasing fashion products.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,000 | 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 ».