MétaCan
Menu
Retour à la cohorte
Enregistrement W149611411 · doi:10.17705/1jais.00367

Enhanced Use of IT: A New Perspective on Post-Adoption

2014· article· en· W149611411 sur OpenAlexaff
Fatou Bagayogo, Liette Lapointe, Geneviève Bassellier

Notice bibliographique

RevueJournal of the Association for Information Systems · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésConceptualizationExtant taxonConstruct (python library)Perspective (graphical)Knowledge managementSet (abstract data type)Computer scienceProcess (computing)Adaptation (eye)Grounded theoryData scienceTask (project management)PsychologyQualitative researchSociologyArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

A major problem confronting organizations is that they make large investments in information technologies (IT) that, in many cases, underperform following adoption because their features are underutilized. In information systems (IS) research, there is a need to develop a better understanding of the process by which individuals make new use of IT features. Using a grounded theory approach, we develop such an understanding by closely examining how individuals change their IT use following initial adoption. Based on analyzing interview data and expanding on extant literature to refine our results, we propose a construct called “enhanced use”, which refers to novel ways of employing IT features. We conceptualize enhanced use as having distinct forms (using a formerly unused set of available features, using an IT for additional tasks, and/or using extensions of IT features and attributes). Our analysis reveals that these forms may differ in terms of their attributes (locus of innovation, extent of extensive use, and adaptation). Our study uncovers patterns of use that reveal the roles played by task characteristics, knowledge, and the IT type in shaping enhanced use. Thus, this study heeds repeated calls to theorize about use by proposing a novel and rich conceptualization of post-adoption use.

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)0,009
score de la tête « metaresearch » (Gemma)0,023
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,013
Communication savante0,0080,018
Science ouverte0,0010,004
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,069
Tête enseignante GPT0,352
Écart entre enseignants0,283 · 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

Citations106
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information SystemsMême sujetTechnology Adoption and User BehaviourTravaux en français237 207