MétaCan
Menu
Retour à la cohorte
Enregistrement W6988140642

What Drives the Household's Pro-environmental Behavior? Dfferences in what People Say and Do

2019· article· en· W6988140642 sur OpenAlexfundno aff

Notice bibliographique

RevueDigital Library Of The Commons Repository (Indiana University) · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Education and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésPrideFeelingContext (archaeology)IncentiveMatching (statistics)Control (management)ContradictionAffect (linguistics)Field (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

"Promoting changes in behavior related to natural resources and environmental concerns requires to understand the factors associated. In a context of common pool resources, cooperation is required to overcome social dilemmas, but the understanding of the factors that underlie the behavior is an urgent task. There is considerable evidence on what move the individuals to perform pro-environmental actions. However, since the information about private behaviors is self-reported, produces challenges to analyze in a causal fashion. This paper intends to analyze what intrinsic and extrinsic motivations could explain pro-environmental behaviors. I collect information of households in eight small-urban villages in Colombia and combine it with information from a previous randomize field experiment conducted in these villages. With this data set, there is self-declared behaviors and objective measures of water consumption. I use a propensity score matching to analyze how the motivations affects both. The heterogeneous findings show a contradiction between what the households affirm that they are doing where they are asked and what they are actually doing. Moreover, the anticipated feelings of guilt and anticipated feelings of pride are important drivers to explain pro-environmental behaviors in self-declared behaviors. While the perceived control of behavior and monetary incentives in the observable behavior."

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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,005
Tête enseignante GPT0,160
Écart entre enseignants0,155 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Library Of The Commons Repository (Indiana University)Même sujetEnvironmental Education and SustainabilityTravaux en français237 207