MétaCan
Menu
Retour à la cohorte
Enregistrement W6959021699 · doi:10.7282/t3-b5xq-ga34

Household change at the food-energy-water nexus: expanding social behavioral science perspectives

2021· article· en· W6959021699 sur OpenAlexaboutno aff

Notice bibliographique

RevueRutgers University Community Repository (Rutgers University) · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNudge theoryPsychological interventionNexus (standard)TypologyIntervention (counseling)Consumption (sociology)PurchasingConsumer behaviourPerceptionBehavioural sciences

Résumé

récupéré en direct d'OpenAlex

This dissertation contributes to social and behavioral science perspectives that push forward vital energy transitions in the face of climate change. In its three analytical chapters, this dissertation achieves three central objectives: 1) accumulates findings on household behavior at the food-energy-water nexus across disciplines, 2) identifies social behavioral drivers of household green technology purchase, and 3) expands the focus of consumption research beyond the individual to consider how household social dynamics shape food, energy, and water use in the home.Systematically reviewing published FEW intervention literature, Chapter 2 proposes a typology that characterizes household food, energy, and water conservation interventions as active, passive, or structural, and household-specific or non-specific, illustrating six distinct categories: information, tailored information, action, gamification, policy/price change, and material/technological provision. The review reveals four lessons for future intervention research: household non-specific information and tailored information appear to be more effective when used together, the impacts of feedback are reinforced when contact with participants is persistent, price-based interventions are often ineffective, and material/technology provision has proven very effective in a limited number of studies.Chapter 3 explores social and psychological determinants of green purchasing behavior in the US and Canada, motivated by the importance of efficient technology adoption to reach national emissions goals. This analysis establishes a causal chain from values to environmental concern to green lifestyle orientation, or the perception of importance of environmental action to one’s overall lifestyle, which predicts green purchase intentions for lightbulbs, appliances, and vehicles. Income also impacts purchase intentions in both US and Canadian samples, illustrating the pervasiveness of consumer lock-in that has potential to significantly slow green technology adoption. These findings stress the importance of exploring pro-environmental behavior not in isolation, but as interconnected with broader lifestyle circumstances. Chapter 4 tests the effects of various household social dynamics on a variety of pro-environmental actions, in response to a “unit of analysis” problem, where intervention research often targets individuals despite much resource consumption happening in the context of multi-person households. Multiple linear regression models demonstrate that positive household dynamics, including enhancing and norming behaviors, predict variance in pro-environmental actions in the household. In addition, individual and household levels of environmental awareness predict variance in both positive and negative household social dynamics. These results support qualitative research efforts that emphasize the importance of household social dynamics to resource consumption, providing avenues for future quantitative research to take a practice-based approach.Using multiple methods and drawing from a variety of theoretical bodies, this dissertation contributes to household behavior change literature that bridges disciplinary boundaries in the social sciences, providing paths forward for individual and household-level mitigation efforts.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,013
Communication savante0,0070,008
Science ouverte0,0010,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,031
Tête enseignante GPT0,225
Écart entre enseignants0,194 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRutgers University Community Repository (Rutgers University)Même sujetEnvironmental Education and SustainabilityTravaux en français237 207