Designing Persuasive Technology to Reduce Peak Electricity Demand in Ontario Homes
Notice bibliographique
Résumé
When it comes to environmental sustainability, the time that electricity is consumed matters. For example, using an air conditioner on a hot summer afternoon as the power grid is strained necessitates the use of more polluting sources to meet demand. There are a number of ways to target a reduction in peak demand: better electricity storage technology, for one, has the potential to level out these peaks. In the meantime, electrical utilities aim to incentivize a reduction in demand from households at these times through programs such as Time-of-Use Pricing, and critical peak demand response programs, such as peaksaver in Ontario. However, the effectiveness of these programs has been limited. \nIn this thesis, we adopted the lens of persuasive technology to improve and support these programs, in order to encourage a reduction in electricity consumption in households at peak load times. To accomplish this, we conducted 18 interviews to examine the practices of households in response to these programs, and learn how they can be improved at the individual level. We found that Time-of-Use pricing encourages shifting some electricity demand, but only when it is convenient. We also found that while potentially effective at a larger scale, the peaksaver program in its current form is unattractive to participants. \nWe then analyzed our findings using existing behaviour change models, including Fogg’s Behaviour Model for Persuasive Design. Using the three aspects of the model – motivation, ability and triggers - we identified where the existing programs are lacking and developed design implications for the design of persuasive technology to support reducing electricity consumption at peak load times. Finally, we designed a smartphone application based on these design implications, and conducted a preliminary evaluation in order to begin to assess their validity.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».