MétaCan
Menu
Retour à la cohorte
Enregistrement W6999453568

Could Perceived Risks Explain the âGreen Gapâ in Green Product Consumption?

2012· article· en· W6999453568 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueeScholarship (California Digital Library) · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueCognitive and psychological constructs research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésGreen consumptionPurchasingProduct (mathematics)Consumption (sociology)Value (mathematics)Risk perception
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although green consumption is increasingly popular in the academic literature, practice is still far from commonplace among consumers. Few studies have been conducted to explain consumer reluctance to adopt green products (GPs), particularly with regard to the roles of the various risks consumers perceive in their purchases. However, perceived risks towards GPs could be one of the explanations for the ‘green gap’ – the difference between pro-environmental attitudes and green purchase behaviour. We used a means-end chain (MEC) approach to explore the links that consumers establish between the attributes of green cleaning products, their consequences, and their perceived risks. Findings indicate that consumers perceive greater risk with respect to the functional, financial, and temporal aspects of GPs than to their physical and psychosocial aspects. Social desirability appears to be a strong personal value attached to the purchase of GPs. We also identified positive (pleasant fragrance, natural ingredients, recyclable packaging, lack of health risks, protection of the environment, enhancement of personal and social image) and negative motivations (limited distribution, weaker concentration, less attractive label, higher cost, longer and more complex purchasing process, product ineffectiveness) associated with the purchase of green cleaning products.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,178
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,022

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 Opus0,110
Tête enseignante GPT0,351
Écart entre enseignants0,241 · 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