Publikationen

Hier finden Sie Publikationen, Pressemitteilungen und weitere Downloads zum GCA.

Wollen Sie Kontakt zu uns aufnehmen? Schreiben Sie uns unter info[at]green-consumption-assistant.de

Wissenschaftliche Publikationen

Article: Driving Sustainable Behavior with Persuasive Technology [Eng.]

In dem von Maike Gossen und Patricia Jankowski veröffentlichten Artikel werden entscheidende Designelemente identifiziert. Es geht darum, das System zu verfeinern und seine Wirksamkeit für Verhaltensänderungen bei Nutzer*innen zu bewerten. Die Bewertung wird durch das Modell des Persuasive System Design (PSD) operationalisiert.

 

Gossen, Maike, Jankowski, Patricia (2022): Driving Sustainable Behavior with Persuasive Technology: The Green Consumption Assistant. Ökologisches Wirtschaften, 2.2022 (37), p.12-13.

Nudging Sustainable Consumption: A Large-Scale Data Analysis of Sustainability Labels for Fashion in German Online Retail

Die Kennzeichnung von Produkten mit Nachhaltigkeitssiegeln hat einen direkten Einfluss auf nachhaltige Kaufentscheidungen und stellt eine Möglichkeit dar nachhaltigen Konsum zu fördern. Die Publikation befasst sich mit der Frage, wie Online-Händler Nachhaltigkeitssiegel nutzen, um den Verbrauchern Informationen über die Nachhaltigkeit von Produkten zu vermitteln. In einer Studie wurde ein umfangreicher Datensatz mit Nachhaltigkeitsinformationen zu fast 17.000 Modeprodukten der führenden Online-Händler in Deutschland untersucht. Die Ergebnisse zeigen, dass eine große Anzahl von Modeprodukten als nachhaltig gekennzeichnet ist, wobei zwei Drittel der Produkte ein eigenes Label und ein Drittel ein von Dritten geprüftes Label tragen. Nur 14 Prozent der gekennzeichneten Produkte weisen glaubwürdige, von Dritten geprüfte Nachhaltigkeitssiegel auf. Dieser niedrige Prozentsatz macht es Verbrauchern schwer zu verstehen, inwieweit ein Produkt nachhaltig ist. Außerdem kann die Heterogenität der Labels zur Verwirrung und Verunsicherung der Verbraucher beitragen.

Die in der Publikation gegebenen praktischen Empfehlungen unterstützen politische Initiativen, die das Risiko des Greenwashings durch nicht zertifizierte und unzureichende Nachhaltigkeitsinformationen bekämpfen.

GreenDB: Toward a Product-by-Product Sustainability Database

Eines unserer Projektziele ist der Aufbau einer KI-basierten Produktdatenbank, die das Entwickeln eines Empfehlungs-Assistenten ermöglicht. In diesem Preprint wird erläutert, wie mithilfe von Scraping-Technologien öffentlich zugängliche Daten über Produkte und Informationen über deren Nachhaltigkeit abgefragt und in eine zentrale Datenbank integriert werden können. Des Weiteren wird die erste Version der GreenDB präsentiert und veröffentlicht.

Paper in "Frontiers in Big Data"

Paper: A Benchmark for Data Imputation Methods [Eng.]

Die Verbesserung der Datenqualität von Anwendungen, die Maschinelles Lernen (ML) nutzen, hilft nicht nur deren Performance zu erhöhen, sondern ermöglicht es auch, dass effizientere Modelle verwendet werden können. Eines der häufigsten Datenqualitätsproblem sind fehlende Werte (missing values). In diesem peer-reviewed Artikel haben Sebastian Jäger, Arndt Allhorn und Felix Bießmann auf Basis unterschiedlichster Datensätze verschiedene Methoden verglichen, die zum Vorhersagen dieser Fehlstellen, die uns in Bezug auf nachhaltige Produktempfehlungen immer wieder begegnen, verwendet werden können. Abschließend werden Empfehlungen für unterschiedlichste Situationen ausgesprochen, die auf den Ergebnissen unserer Experimenten beruhen.

Abstract

With the increasing importance and complexity of data pipelines, data quality became one of the key challenges in modern software applications. The importance of data quality has been recognized beyond the field of data engineering and database management systems (DBMSs). Also, for machine learning (ML) applications, high data quality standards are crucial to ensure robust predictive performance and responsible usage of automated decision making. One of the most frequent data quality problems is missing values. Incomplete datasets can break data pipelines and can have a devastating impact on downstream ML applications when not detected. While statisticians and, more recently, ML researchers have introduced a variety of approaches to impute missing values, comprehensive benchmarks comparing classical and modern imputation approaches under fair and realistic conditions are underrepresented. Here, we aim to fill this gap. We conduct a comprehensive suite of experiments on a large number of datasets with heterogeneous data and realistic missingness conditions, comparing both novel deep learning approaches and classical ML imputation methods when either only test or train and test data are affected by missing data. Each imputation method is evaluated regarding the imputation quality and the impact imputation has on a downstream ML task. Our results provide valuable insights into the performance of a variety of imputation methods under realistic conditions. We hope that our results help researchers and engineers to guide their data preprocessing method selection for automated data quality improvement.

Arbeitspapiere

GCA Working Paper II – Driving Forces of Green Shopping Behavior [Eng.]

In unserer zweiten Veröffentlichung beschäftigt sich Robin Jadkowski mit psychologischen Determinanten, die zu umweltfreundlicheren Kaufentscheidungen führen. Dabei wird zum einen eine Methode erarbeitet, die Daten aus dem User Tracking unseres GCA mit Umfragedaten abgleicht und zum anderen die Beziehung unterschiedlicher Variablen zueinander untersucht, welche als Triebkraft für umweltfreundliches Verhalten dienen könnten.

Abstract

This study evaluates psychological and socio-demographic driving forces of pro-environmental behavior (PEB) in an online shopping environment. Previous empirical studies substantiate the role and strengths of numerous psychological driving forces that influence individual PEB. However, the type of PEB operationalization is heterogenous, as well as the type and operationalization of the driving forces. Steg & Vlek (2009) stress the point that effective interventions have to be aimed at these driving forces and that the strengths and relationship differs for specific types of PEB. Up to date, studies that use actual behavior as operationalizations of PEB in online shopping environments are rare, therefore this study pursued two main goals: (1) Test a method to link user tracking data of a digital shopping assistant (as indicators for pro-environmental shopping decisions) with self-reported survey items; (2) Exploratively assess the relationship of four socio-demographic and 14 psychological variables that may act as driving forces for PEB. The click behavior of N = 35 beta users of an online shopping assistant was tracked over a period of five months and successfully linked to previously obtained survey data. It was not possible to reliably detect effects of the assessed driving forces – PEB relationship with the achieved sample size. In conclusion, this studies procedure revealed great potential for future research to evaluate the effects of psychological variables on PEB in a real shopping environment.

GCA Working Paper I – Scaling Sustainability Advice [Eng.]

Wir freuen uns, an dieser Stelle das erste Arbeitspapier des Projekts Green Consumption Assistant veröffentlichen zu können. Unsere Kollegin Cathérine Lehmann fasst in diesem unsere Entscheidungswege zu nachhaltigen Produktempfehlungen, sowie mögliche Ansätze zur Skalierung zusammen.

Abstract

Data availability on the sustainability of products is low which poses challenges for actors from all sectors dealing with promoting sustainable consumption. We describe how we currently provide users of a Chrome browser extension with general sustainability advice and with recommendations of best-in-class products in terms of sustainability. Then we outline a possible concept towards more automatisation and thus scalability of the current approach. For the latter, we discuss six different schemes for generating large-scale green recommendations on a product level, finding that currently product sustainability can be best evaluated in terms of data availability when resorting to lists of labelled products. In the future, Product Environmental Footprints and similar data should be more easily available in order to have quantifiable data for research and for showing more information to users. Overall, an integrated approach, including e.g. aspects of  organizational sustainability, might help to fill data voids and/or to provide a more complete picture of a product’s sustainability level.

Blogbeiträge

KI-Berlin

03.06.2021 Article in KI-Berlin Blog [Engl.]

In the article titled „Using Artificial Intelligence to make more sustainable behaviour easy for people” #KI-Berlin introduces the GCA to the broader public and describes how our first iteration works.

Interviews