Energy efficiency and norm compliance drivers amongst industry decision-makers: evidence of intersectionality and the role of morality
Notice bibliographique
Résumé
Purpose This paper aims to explore industry decision-makers’ motivation for energy efficiency (EE) actions. The research question is: why do industry decision-makers feel obligated to comply with norms or engage in EE actions? More specifically, what types of norm compliance drivers are they responding to? Design/methodology/approach This study uses a two-country (UK and Canada) survey of managers and executives in three key sectors – building and construction, hospitality and utilities to explore the presence of norm compliance driver typologies that motivate EE actions. Findings Drawing on existing theoretical frameworks, this study defines four types of norm compliance drivers related to industry action: custom, third-party, moral and social. The results show evidence of all four, with moral as the most common norm compliance driver. The findings also point to intersectionality: the presence of more than one type of norm compliance driver in reasoning for action. Practical implications Many of the responses related to moral norm compliance drivers are tied to larger environmental issues, such as climate change, which contributes to understanding how to trigger industry action on large global issues. Social implications The finding that moral drivers are a significant proportion of the underlying force behind norm compliance, coupled with the understanding that many of these statements point to larger sustainability goals, suggests policymakers need to take a closer look at how they motivate industry. Originality/value The emphasis on the underlying drivers of norm obligations as a motivation for decision-makers within industry related to EE action makes this paper novel. Doing so from the perspective of industry actors is also original.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».