The Effects of Virtual Reality on Consumer Learning: An Empirical Investigation1
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.
Notice bibliographique
Résumé
As competition in business-to-consumer e-commerce becomes fiercer, Web-based stores are attempting to attract consumers’ attention by exploiting state-of-the-art technologies. Virtual reality (VR) on the Internet has been gaining prominence recently because it enables consumers to experience products realistically over the Internet, there by mitigating the problems associated with consumers’ lack of physical contact with products. However, while the employment of VR has increased in B2C e-commerce, its impact has not been explored extensively by research in the IS field. This study investigates whether and under what circumstances VR enhances consumer learning about products. In general, VR enables consumers to learn about products thoroughly by providing high-quality three-dimensional images of products, interactivity with the products, and increased telepresence. In addition, congruent with the theory of cognitive fit, the effects of VR are more pronounced when it exhibits products whose salient attributes are completely apparent through visual and auditory cues (because most VR on desktop computers uses only those two sensory modalities to deliver information). Based on these attributes, we distinguish between two types of products—namely, virtually high experiential (VHE) and virtually low experiential (VLE) products—in terms of the sensory modalities that are used and required for product inspection. Hypotheses arising from the distinctions expressed by these terms were tested via a laboratory experiment. The results support the predictions that VR interfaces increase overall consumer learning about products and that these effects extend to VHE products more significantly than to VLE 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle