Fostering consumer engagement with sustainability marketing using augmented reality (SMART): A climate change response
Notice bibliographique
Résumé
• Investigates the increasing importance of sustainability in consumer engagement amid rising climate change concerns. • Provides an extended framework for AR-focused sustainability marketing and a scale to measure consumer perceptions. • Challenges traditional marketing approaches by showcasing the impact of technologies such as augmented reality (AR). • Compares consumer responses across different cultures through a mix of qualitative and quantitative methods. • Emphasizes integrating sustainability and AR for strategic business insights and climate-positive actions. As climate change concerns escalate, businesses increasingly realize the pivotal role of consumer engagement through sustainability practices in enhancing brand and firm performance. In a transformative landscape characterized by societal shifts towards environmentally conscious consumer behaviors, the re-evaluation of sustainability marketing strategies is crucial. This need is further amplified by the advent of technologies like augmented reality (AR), which are reshaping market dynamics. This study not only extends the conceptualization of sustainability marketing using AR (SMART) but also proposes a comprehensive measurement scale. This scale is designed to accurately measure consumers’ perceptions of AR-focused sustainability marketing efforts in fostering engagement. Our approach, a mix of qualitative and quantitative methods, involved five studies with n = 1072 consumers across the U.S., U.K., and South Africa. We conceptualize consumers’ perceptions of sustainability marketing using AR (SMART) across six dimensions: social equity, economic development, environmental protection, ethical considerations, regulatory measures, and technological innovation. The findings not only underscore the importance of integrating sustainability practices and new-age technologies (i.e., AR to foster climate-positive consumer engagement) but also offer strategic insights that can help businesses thrive in a climate-change era and meet their sustainability objectives.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».