The role of internal motivations in consumer upcycling intention and purchase intention of upcycled products
Notice bibliographique
Résumé
Purpose This research aims to investigate the relationship between internal motivations and consumer upcycling intention, and how these motivations relate to purchase intention of upcycled products. Design/methodology/approach This research is based on an online survey with a sample of 470 US consumers. Structural equation modeling with Mplus was applied to test the proposed relationships. Findings Perceived competence is the strongest internal motivation related to consumer upcycling intention, followed by waste prevention and frugality. Consumers who have motivations of waste prevention, social connectedness and emotional attachment for consumer upcycling have higher intention to purchase upcycled products. Research limitations/implications The generalizability of the findings might be limited due to the US-based survey sample. Future research could validate and extend these findings in different cultural contexts. Practical implications The findings enable policymakers and business practitioners in the circular economy to develop effective strategies to promote consumer upcycling as well as the purchase of upcycled products. Originality/value First, this research addresses the dearth of literature studying upcycling and the broader circular economy from the demand side (i.e. the consumer). Second, by identifying perceived competence as the strongest internal motivation for consumer upcycling, this research offers a new perspective on how to promote consumer upcycling. Third, by demonstrating that certain internal motivations for consumer upcycling can explain purchase intention of upcycled products, this research validates for the first time the connection between consumer upcycling and upcycling businesses empirically.
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 | 0,007 | 0,003 |
| 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 | 0,001 |
| 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 ».