MétaCan
Menu
Retour à la cohorte
Enregistrement W4408240655 · doi:10.1108/jeas-07-2024-0262

Motivation continuum and its effect on electric vehicle acceptance in India

2025· article· en· W4408240655 sur OpenAlexaff
Stanny Dias, Benny Godwin J. Davidson, Arun Antony Chully, Pradeep Hari Pendse

Notice bibliographique

RevueJournal of economic and administrative sciences. · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of the Fraser Valley
Organismes subventionnairesnon disponible
Mots-clésPsychologyElectric vehiclePhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Purpose The motivation to choose an electric vehicle (EV) is guided by principles of personal values, perceived rewards and preferences. While the benefits of sustainable transportation are known, the acceptance of EVs and the motivation to purchase them is not satisfactory in India. An assessment of the motivation continuum, a range of intrinsic to extrinsic personal and societal drives that encourage specific choices, explains the lack of EV adoption in the country. This study aims to examine the effect of motivation types on EV adoption intentions and also explores the moderating role of gender in this context. Design/methodology/approach By incorporating constructs from the self-determination theory, the study expands on the technological acceptance model. It uses the structural equation modelling method to test the hypotheses and presents an analysis of responses from 351 participants. Findings The findings suggest that there are significant relationships between external, identified, integrated motivation and EV buying intentions. The influence of gender on EV adoption is also explored. Originality/value This study provides an in-depth analysis of varied motivational types on EV buying intentions and the moderating effects of gender on these relationships.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,257
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 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
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of economic and administrative sciences.Même sujetElectric Vehicles and InfrastructureTravaux en français237 207